Bayesian regression - Делал ли кто советник по этому алгоритму? - страница 50
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Паттерны зависят от времени. Тренируйте по отдельному классификатору на каждый день недели, или попробуйте добавить в исходные данные фазу луны (я серьёзно), или время суток, я не знаю что именно делать, но это очень важно.
2) Да, я это уже сделал. У меня есть большой набор данных - я могу им поделиться прямо здесь - куда я добавил к ценовым данным:
- час
- минуту
- день недели
- месяц
- день в месяце
Конечно это архиважно. Только нужно выявлять не день или время суток когда ТС успешна, а характер рынка когда ТС успешна- тренд, флет , сезонные закономерности. Именно характер рынка в первую очередь определяет характер данных, а не день недели или примочки брокера. Характер рынка можно определить на истории, а вот определить на реале как писал Дмитрий Федосеев:" Основная проблема теханализа и соответственно торговли - это выявление тренда."
Например, ТС считается что будет успешна на флете. Есть ли какие индикаторы прогнозирующие флет?
Конечно это архиважно. Только нужно выявлять не день или время суток когда ТС успешна, а характер рынка когда ТС успешна- тренд, флет , сезонные закономерности. Именно характер рынка в первую очередь определяет характер данных, а не день недели или примочки брокера. Характер рынка можно определить на истории, а вот определить на реале как писал Дмитрий Федосеев:" Основная проблема теханализа и соответственно торговли - это выявление тренда."
Например, ТС считается что будет успешна на флете. Есть ли какие индикаторы прогнозирующие флет?
В том то и дело, что день и время суток заранее определить можно, а тренд и флэт - нет.
И если вы умеете заранее определять тренд и флэт, то больше вам вообще ничего не нужно - грааль на лицо.
Есть ли какие индикаторы прогнозирующие флет?
Для этого тоже можно сделать классификатор, через деревья и R, как в блоге у Алексея. Нужно собрать несколько лет истории баров, далее вручную или каким-то индикатором указать какие промежутки времени были флетовые, какие нет, и обучить модель. Только для обучения подавать не прирост цены в следующем периоде как в примере, а значения флет/тренд (например 0 и 1 соответсвенно). И получится индикатор.
Но вообще если делать классификатор с нуля, который прогнозирует прирост цены в будующем - классификатор сам должен обучиться отличать флэт от тренда. В его логике не будет таких чётких понятий, но концептуально он должен научиться различать разные характеры рынка и менять прогноз в зависимости от них. Адекватный классификатор не должен работать только в какие-то определённые промежутки времени, его задача это работать в профит всегда.
Для этого тоже можно сделать классификатор, через деревья и R, как в блоге у Алексея. Нужно собрать несколько лет истории баров, далее вручную или каким-то индикатором указать какие промежутки времени были флетовые, какие нет, и обучить модель. Только для обучения подавать не прирост цены в следующем периоде как в примере, а значения флет/тренд (например 0 и 1 соответсвенно). И получится индикатор.
Не индикатор, а классификатор - не предсказывает, а классифицирует. То есть, грубо говоря, он изучив участок истории сможет сказать - является ли этот участок трендом или флэтом.
Но только проблема в том, что я и на глаз так смогу - индикатор не нужен.
Не индикатор, а классификатор - не предсказывает, а классифицирует. То есть, грубо говоря, он изучив участок истории сможет сказать - является ли этот участок трендом или флэтом.
Но только проблема в том, что я и на глаз так смогу - индикатор не нужен.
Практика говорит о другом. Смотря чему Вы учите.
Если просто классифицируете прошлое, то да.
А если Вы учителя сдвигаете, т.е. прошлые значения предикторов соответствуют текущему значению учителя, то предсказываете будущее. Например, сдвинули на 1 бара. Получается, что по приходу нового бара Вы вычисляете все свои предикторы, а затем используя обученную на ПРОШЛОМ модель предсказываете свои флеты-тренды. Можно учить со сдвигом более 1. Замечательно то, что в моделях прогнозирования, которые экстраполируют предыдущие бары, ошибка суммируется (в лучшем случае) по мере увеличения горизонта прогнозирования, то в классификации это не так. Так при прогнозе на Н1: ошибка на +1 = 30% (реальная цифра), на +2 чуть больше, а на +4 почти 30%.
Мало того, если начать дружить с Бурнаковым домами, то можно будет найти сдвиги в будущее, которые будут иметь примерно такую же ошибку предсказания, как и бар +1.
Для этого тоже можно сделать классификатор, через деревья и R, как в блоге у Алексея. Нужно собрать несколько лет истории баров, далее вручную или каким-то индикатором указать какие промежутки времени были флетовые, какие нет, и обучить модель. Только для обучения подавать не прирост цены в следующем периоде как в примере, а значения флет/тренд (например 0 и 1 соответсвенно). И получится индикатор.
Но вообще если делать классификатор с нуля, который прогнозирует прирост цены в будующем - классификатор сам должен обучиться отличать флэт от тренда. В его логике не будет таких чётких понятий, но концептуально он должен научиться различать разные характеры рынка и менять прогноз в зависимости от них. Адекватный классификатор не должен работать только в какие-то определённые промежутки времени, его задача это работать в профит всегда.
Блог Алексея, обучение моделей , классификация это слишком сложные расширения для моей задачи и меня самого. Мне бы что попроще для прогнозирования флэта с определенной вероятностью.
Что то типа ADX. И на MQL4, что бы было понятно и трейдерам, и экономистам , и философам а не только специалистам в мат. пакетах и языках программирования R , Python и др.
Для этого тоже можно сделать классификатор, через деревья и R, как в блоге у Алексея. Нужно собрать несколько лет истории баров, далее вручную или каким-то индикатором указать какие промежутки времени были флетовые, какие нет, и обучить модель. Только для обучения подавать не прирост цены в следующем периоде как в примере, а значения флет/тренд (например 0 и 1 соответсвенно). И получится индикатор.
Но вообще если делать классификатор с нуля, который прогнозирует прирост цены в будующем - классификатор сам должен обучиться отличать флэт от тренда. В его логике не будет таких чётких понятий, но концептуально он должен научиться различать разные характеры рынка и менять прогноз в зависимости от них. Адекватный классификатор не должен работать только в какие-то определённые промежутки времени, его задача это работать в профит всегда.
У меня вроде бы классификатор этому учиться.
Смотрите, это схема входных данных.
Я даю машине:
разницу со скользящей средней
разницу со скользящим максимумом
тоже с минимумом
размах данных
стандартное отклонение
и просто разницу между ценами взятыми с лагом.
Теперь представьте, что это окно еще варьируется от 2 до 724 минут - есть 18 наборов таких предикторов.
По идее, этого достаточно, что отличить трендовую движуху от флета. Как минимум, разница между ценами с лагом и размах данных (и стандартное отклонение) об этом говорят.
Я еще хотел взять угол наклона линейной регрессии для окна цен. Также с переменным окном. Но это те же яйца. Хотя попробовать можно.
Так вот, классификатор стабильно выделяет разницу со скользящим средним как самый важный предиктор, а также разницы между ценами и в том числе размахи и стандартные отклонения. Все используется им.
Практика говорит о другом. Смотря чему Вы учите.
Если просто классифицируете прошлое, то да.
А если Вы учителя сдвигаете, т.е. прошлые значения предикторов соответствуют текущему значению учителя, то предсказываете будущее. Например, сдвинули на 1 бара. Получается, что по приходу нового бара Вы вычисляете все свои предикторы, а затем используя обученную на ПРОШЛОМ модель предсказываете свои флеты-тренды. Можно учить со сдвигом более 1. Замечательно то, что в моделях прогнозирования, которые экстраполируют предыдущие бары, ошибка суммируется (в лучшем случае) по мере увеличения горизонта прогнозирования, то в классификации это не так. Так при прогнозе на Н1: ошибка на +1 = 30% (реальная цифра), на +2 чуть больше, а на +4 почти 30%.
Мало того, если начать дружить с Бурнаковым домами, то можно будет найти сдвиги в будущее, которые будут иметь примерно такую же ошибку предсказания, как и бар +1.
Да. Я же не предсказываю на шаг вперед, как, например, ARIMA. У Аримы ошика растет экспоненциально, потому что предсказанное на шаг вперед начинает использоваться как предиктор и это повторяется столько раз, насколько вперед нужно спрогнозировать.
У меня изначально было 18 целевых переменных, для которых я по очереди обучаю модели (перебираю параметры обучения и останавливаюсь на лучшей комбинации). И так я вижу, для какого горизонта лучше все прогнозируется.
У меня обучение по всем целевым длится около суток. Но и это не предел. Многослойная нейронная сеть на GPU может обучаться неделю для одной целевой.
У меня изначально было 18 целевых переменных, для которых я по очереди обучаю модели (перебираю параметры обучения и останавливаюсь на лучшей комбинации).
Да. Я же не предсказываю на шаг вперед, как, например, ARIMA. У Аримы ошика растет экспоненциально, потому что предсказанное на шаг вперед начинает использоваться как предиктор и это повторяется столько раз, насколько вперед нужно спрогнозировать.
У меня изначально было 18 целевых переменных, для которых я по очереди обучаю модели (перебираю параметры обучения и останавливаюсь на лучшей комбинации). И так я вижу, для какого горизонта лучше все прогнозируется.
У меня обучение по всем целевым длится около суток. Но и это не предел. Многослойная нейронная сеть на GPU может обучаться неделю для одной целевой.