Обсуждение статьи "Инженерия признаков с Python и MQL5 (Часть IV): Распознавание свечных паттернов с помощью UMAP-регрессии"

Новый комментарий
 

Опубликована статья Инженерия признаков с Python и MQL5 (Часть IV): Распознавание свечных паттернов с помощью UMAP-регрессии:

Методы уменьшения размерности широко используются для повышения производительности моделей машинного обучения. Мы рассмотрим относительно новый метод UMAP (Uniform Manifold Approximation and Projection) — приближение и проекция на равномерном многообразии. Эта новая методика разработана специально для решения проблемы артефактов и искажений в данных, которые присущи традиционным методам. UMAP — это эффективный метод уменьшения размерности, который позволяет группировать похожие свечные графики новым способом, снижая вероятность ошибок на данных, не входящих в выборку, и улучшая результаты торговли.

Свечные паттерны широко применяются в самых разных торговых стратегиях, в особенности в алгоритмическом трейдинге в этом сообществе. Однако наше понимание таких паттернов ограничено лишь теми свечными формациями, которые нам уже известны. На практике же может существовать множество других прибыльных свечных паттернов, о которых мы пока не знаем. Учитывая огромный объем информации, доступной по большинству современных рынков, мы уже не всегда уверены в том, что используем наиболее надежные паттерны из числа существующих.

Попробуем пойти дальше — обсудим решение, которое потенциально позволяет алгоритму выявлять новые свечные паттерны, о существовании которых мы ранее не подозревали. Предлагаемая здесь структура чем-то похожа на детскую игру, которую почти все мы знаем. Эта игра имеет разные названия, но ее принцип остается неизменным. Игрокам предлагается описать некое существительное, используя прилагательные и не используя само это существительное. Например, если заданным словом является "банан", ведущий игрок дает своим друзьям подсказки, наилучшим образом описывающие банан, такие как "желтый и изогнутый". Надеюсь, эта аналогия понятна.  

Эта детская игра логически идентична задачам, которые мы будем ставить перед компьютером, чтобы выявить новые свечные паттерны, которые мы сами не могли бы обнаружить из-за высокого количества расчетов, требуемых для современных наборов данных. По аналогии с описанной игрой, где игрока просят описать банан тремя словами или менее, мы предоставим компьютеру рыночные данные, содержащие 10 столбцов, описывающих текущую свечу, а затем попросим его описать исходные рыночные данные в 8 столбцах (эмбеддингах) или менее. Этот процесс называется снижением размерности.

Существует множество известных методов снижения размерности, с которыми вы, возможно, уже знакомы, например метод главных компонент (Principal Components Analysis, PCA). Эти методы полезны тем, что направляют фокус компьютера на наиболее значимые аспекты преобразованных данных. Сегодня мы будем использовать метод Uniform Manifold Approximation And Projection (UMAP) — — приближение и проекция на равномерном многообразии. Это сравнительно новый алгоритм, и, как мы увидим, он способен выявлять нелинейные зависимости в рыночных данных принципиально новым способом. 


Автор: Gamuchirai Zororo Ndawana

 

Великий.


В лучшем случае это уменьшение размеров

 
Я бы хотел увидеть великолепный результат, который дает такой подход.
 
Спасибо, это действительно интересное приложение.Если вы получаете NameError: name 'FloatTensorType' is not defined, вам нужно установить или обновить onnixxmltools через !pip install onnxmltools. Мои данные получились совсем не такими, как показано здесь, мне было бы интересно узнать, как остальные справляются с этим кодом

 
Oluwatobiloba Yusuf Bello уменьшение размеров
Вы правы, это именно уменьшение размерности, поэтому я и сравнил его с PCA 🤜🏾🔥🤛🏾.

UMAP предлагает нам больше параметров настройки, чем традиционные методы уменьшения размерности.
 
linfo2 #:
Спасибо, это действительно интересное приложение.Если вы получаете NameError: name 'FloatTensorType' is not defined, вам нужно установить или обновить onnixxmltools через !pip install onnxmltools. Мои данные получились совсем не такими, как показано здесь, мне было бы интересно узнать, как остальные справляются с этим кодом

Привет, Нил.

Спасибо, что поделился этими решениями часто встречающихся проблем.

Кроме того, вы затронули важную тему. Один и тот же символ может быть легче смоделировать у одного брокера и сложнее у другого.

Отчасти это связано с различиями в подаче данных у каждого брокера.

Одни брокеры собирают тики в реальном времени с минимальной задержкой, другие собирают обновления цен каждую минуту, третьи собирают тики только в случае изменения ценовых уровней, а четвертые периодически экстраполируют ценовые уровни.

Короче говоря, сложность прогнозирования EURUSD зависит от выбранного вами брокера.

Каждый брокер предлагает свой кусочек одного и того же рынка.
 
Мне нужен советник для MT5, я использую брокера exness
 
Timothy Kupembona Mahupe # :
Мне нужен советник для MT5 и использования брокера Exness.
Какой символ?
 
Можем ли мы иметь советника на MT5 для торговли XAUUSD?
 
Khai Cao XAUUSD?
Да
Новый комментарий