Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2065
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
Как-то так, вроде работает) Для экономии новый ряд собирается в rates[i].high
Как-то так, вроде работает) Для экономии новый ряд собирается в rates[i].high
Вы прошлые бары, например от 2020.5.1 00:00 нормируете по барам из будущего, c 2020.10.1 00:00 и теми что между ними.
В реале вы этого не сделаете.
Надо от каждого бара делать примерно такой же расчет, но только от прошлых для него баров.
Как-то так, вроде работает) Для экономии новый ряд собирается в rates[i].high
В качестве фич подаем 60 высот свечей со смещением на сутки, обучаем полученным в вашем коде нормированным высотам.
Обучение должно получиться с точностью близкой к 100%.
Т.е. новой информации нормированные высоты свечей не несут, если они нужны, то модель их сама внутри себя воспроизведет и учтет.
Единственная польза, - это то что не надо лишних 60 фич подавать на обучение модели, их можно заменить одной вашей.
Вряд ли кто-то будет подавать в качестве фич бары 2-х месячной давности, т.е. новая информация для не подавших их, всё-таки есть).
Надо конечно проверить, если эти нормированные высоты свечей улучшат результативность модели, то конечно нужно будет использовать её (либо одной вашей фичей, что предпочтительнее, либо 60-ю из которых она состоит).
Странно. Интересно, как это можно объяснить?
У меня закоментирована еще одна версия, но она мне не понравилась по логическим соображениям:
Какой RandomInteger() используете? Я XOR.
Не знаю как объяснить :)
Функцию эту брал
Максим, есть подозрение, что модель для C++ не корректно выгружается из CatBoost - можете сравнить с моделью для питона?
У меня не сходятся показатели интерпретации модели в MQL5, где показатели взяты из модели CPP, и показатели из бинарной модели. Дельта в районе 0,15 - что очень много.
Вы прошлые бары, например от 2020.5.1 00:00 нормируете по барам из будущего, c 2020.10.1 00:00 и теми что между ними.
В реале вы этого не сделаете.
Надо от каждого бара делать примерно такой же расчет, но только от прошлых для него баров.
Да, заглядывание в будущее есть, а также прочие не сразу очевидные проблемы. Напрямую, для непосредственной торговли это не вполне применимо, но для предварительного анализа вещь незаменимая. Например, корреляцию между неотнормированными приращениями считать бессмысленно.
Да, заглядывание в будущее есть, а также прочие не сразу очевидные проблемы. Напрямую, для непосредственной торговли это не вполне применимо, но для предварительного анализа вещь незаменимая. Например, корреляцию между неотнормированными приращениями считать бессмысленно.
Если кто-то проверит раньше - отпишитесь.
Что за предварительный анализ? Подал на вход модели и сравниваешь - с этой фичей и без.
Мне кажется лучше нормировать по последним 30 минутам.
Как вариант, 30 последних минут этого дня и 5 предыдущих дней по 30 минут.
Под то как изменилась волатильность в марте, ваш вариант будет очень долго адаптироваться, месяц- полтора текущие значения будут намного выше того что было месяц- два назад. В итоге модель будет работать в неизвестной зоне. У нее просто не будет примеров такой работы, на основе которых делать прогнозы.
При нормировке за последнюю неделю, она быстрее научится новым правилам игры.
Не знаю как объяснить :)
Функцию эту брал
В поиске внутридневных закономерностей мешают внутридневные колебания волатильности. Нужно как-то от них избавляться. Возможные способы:
1) Перенормировка приращений с учётом волатильности времени суток.
2) Переход к новому внутридневному времени, в котором дисперсия растёт равномерно.
3) Использование зигзага. Величины колен не зависят от колебаний волатильности. Времена вершин конечно же зависят от волатильности (они чаще бывают там где она высока), но при переходе к равномерному времени эти скопления пропадают.