Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2705
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
Ну
Ну теперь понятно, спасибо за разъяснения.
Я тут читаю, вижу каждый свое понимает из разговоров...
Методы генерации признаков нельзя сравнить, так как я ещё не создал систему в коде. Можно сравнить систему Вашу с моим набором предикторов и системой/методикой их отбора.
Любой может получить данные с исторического интервала сервера MQL - Вы же хотите сплошную историю. А вот конечная выборка, на которой будет обучение, будет на порядок из меньших строк с примерами, но с дополнительными предикторами.
Советник, что я предлагаю использовать, сохранит открытые предикторы и в конце файла csv будут столбцы с финансовым результатом и целевой - можете от туда и взять информацию по времени срабатывания "начального правила"/функции активации, таким образом воспроизводить алгоритм в R нет нужды.
Временной интервал предлагаю - с 2010 по 2020 год - обучение, остальное время для проверки результатов вне обучения.
Когда создадите свои предикторы, то можете результат сохранить в csv - и я так сделаю. Дальше или объединить столбцы можно и учиться на разных диапазонах или просто отдельно - нужно это для сравнения корректности\синхронизации.
Могу прислать чисто разметку, если уж совсем не хотите вникать.
Методы генерации признаков нельзя сравнить, так как я ещё не создал систему в коде. Можно сравнить систему Вашу с моим набором предикторов и системой/методикой их отбора.
Любой может получить данные с исторического интервала сервера MQL - Вы же хотите сплошную историю. А вот конечная выборка, на которой будет обучение, будет на порядок из меньших строк с примерами, но с дополнительными предикторами.
Советник, что я предлагаю использовать, сохранит открытые предикторы и в конце файла csv будут столбцы с финансовым результатом и целевой - можете от туда и взять информацию по времени срабатывания "начального правила"/функции активации, таким образом воспроизводить алгоритм в R нет нужды.
Временной интервал предлагаю - с 2010 по 2020 год - обучение, остальное время для проверки результатов вне обучения.
Когда создадите свои предикторы, то можете результат сохранить в csv - и я так сделаю. Дальше или объединить столбцы можно и учиться на разных диапазонах или просто отдельно - нужно это для сравнения корректности\синхронизации.
Могу прислать чисто разметку, если уж совсем не хотите вникать.
Вернемся к логике
признаков может быть много разных и они могут быть информативными, а могут не быть, это зависит от отношения их к целевым
чем отличается отношение от подгонки? степенью информационной зависимости, выраженной через некоторую меру
чем ниже инф. зависимость меток от каждого отдельного признака, тем больше признаков требуется для обучения
увеличение количества признаков приводит к подгонке, потому что система начинает иметь очень много свободных параметров
какой единственно верный подход в этом случае? Минимизация количества признаков с увеличением их отношения к целевым
Поэтому бомбить надо не только признаки, но и целевые, по некоторому связывающему информационно критерию
Если кто-то будет работать в этом направлении, то помогу с кодомВернемся к логике
признаков может быть много разных и они могут быть информативными, а могут не быть, это зависит от отношения их к целевым
чем отличается отношение от подгонки? степенью информационной зависимости, выраженной через некоторую меру
чем ниже инф. зависимость меток от каждого отдельного признака, тем больше признаков требуется для обучения
увеличение количества признаков приводит к подгонке, потому что система начинает иметь очень много свободных параметров
какой единственно верный подход в этом случае? Минимизация количества признаков с увеличением их отношения к целевым
Поэтому бомбить надо не только признаки, но и целевые, по некоторому связывающему информационно критерию
Если кто-то будет работать в этом направлении, то помогу с кодомКонечно я согласен с логикой, поэтому и предположил ранее - что на рандоме выявляем предикторы, а потом уже их используем для разметки.
Для меня эти точки, которые имеют предсказательную способность - события, которые я вообще думаю обучать по отдельности, или выделять из которых листы, а потом уже проводить какую либо совокупную процедуру обучения.
Такое Событие можно рассматривать, как отдельную торговую систему и анализировать уже поведение/эффективность этих систем.
Сейчас для меня на неттинге проблемой является независимый учет этих событий, т.е. виртуальное сопровождение, что б корректно работало на реальных данных с потерей связи и прочих прелестей.
Методы генерации признаков нельзя сравнить, так как я ещё не создал систему в коде.
Так и сравните методы генерирования предикторов человеком и машиной :)
Так и сравните методы генерирования предикторов человеком и машиной :)
Ты зачем тогда нужен в этом всём деле?
Уточню, мной сгенерированные предикторы.
Уточню, мной сгенерированные предикторы.