Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2750
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
Обатите внимание, что с билда 3440 мы начинаем распространять AVX версии программ: https://www.mql5.com/ru/forum/432624/page5#comment_42117241
Следующий шаг - это переписывание математического аппарата на векторные и и OpenCL функции, что дает десятиктраные ускорения без необходимости установки дополнительных библиотек типа CUDA.
Вот это действительно большой шаг вперед. Нужно переписать индикаторы и эксперты?
Не могу с этим согласиться.
Рынок меняется, причем временные интервалы изменения разные и независимые друг от друга.
Я когда-то умел писать советники, которые жили от 3 до 6 месяцев. Оптимизировал в выходные. Потом они умирали, причем в течение короткого времени вполне достаточного для слива депозита. Нго недостаточного для оптимизации. В конечном итоге положение было еще хуже: через некоторое время выяснялось, что была граница, отодвинувшись от которой невозможно было подобрать параметры.
Есть более длительные периоды изменения рынка: 5-7 лет. Но результат такой же как и для месячных периодов. Бот умирает навсегда. В личку отправлю конкретный бот из маркета - тут нельзя.
Поэтому вся эта иде "вне выборки" - чушь собачья. Бот все равно имеет время жизни, мы не знаем сколько: 3 мес или 7 лет. Смерь бота путаем с очередной просадкой и сливаем депо.
В идеале переучивать по следующей свече. Если работаем на тиках, то на следующем тике, на Н1 то по приходу следующего часа.
Не делали ли сравнение вашего алгоритма с KNN (или какой-нибудь его модификацией)? Было бы интересно, насколько значителен выигрыш.
Не делали ли сравнение вашего алгоритма с KNN (или какой-нибудь его модификацией)? Было бы интересно, насколько значителен выигрыш.
KNN вообще из другой оперы.
Меня интересует "предсказательная способность" а не классификация, да еще без учителя, которые бесполезны в нашем деле.
Вот это действительно большой шаг вперед. Нужно переписать индикаторы и эксперты?
раз уж вы здесь, спасибо за ICA и всё-таки вопрос про feature_extraction(которую вы характеризуете, как "распознавание уникальных и значимых компонентов") -- полистала когда-то эту тему (описание для Python), да и забросила... сложилось впечатление, что используют этот extraction только при работе с картинками и текстом-- стоит ли заморачиваться таким подходом при работе со структурированными данными (типа таблица факторов) ??... можете пару слов черкануть про суть алгоритма, чтобы понять его пользу?, просто в вашей статье как-то мельком про него... или я что-то упустила? (а то, что видела в Python как-то не вдохновляло применять feature_extraction к факторам в рынке)
по предпочтениям: или вы всё-таки решили остаться на обычном (или иерархическом, описанном вами) PCA ??
какой dimensionality_reduction вы используете сейчас?
а за статью спасибо
есть существенные сомнения что NN вообще могут работать при увеличении информации. Чуть выше была ссылка на нечто бегающие между стенок и жрущее зелёное, не трогая красное. При увеличении лабиринта (роста информации) у него будет отшибать память про красное/зелёное. То есть он неплохо двигается в прежней формации, но не в новой. Пока паттерны повторяются, он более-менее работает. А идеально работает только где обучен.
контр-тезис к тому-же NN для тех-же условий - студент может написать более эффективный алгоритм. И этот алгоритм другой студент может улучшить или привести к условиям иной_кривизны_пространства(или оптимизировать/упростить). Использование NN в данном упрощенном примере - это тупик, его результат нельзя осознанно и качественно улучшить. И это вообще общая проблема NN (и DL тоже). Этими методами можно разпозновать красное/зелёное, круглое/квадратное из набора красноватое,зеленоватое, на фоне фиолетового, в ч/б продолговатое. Решение узких специальных задач, а не вывод эквити в бесконечность
KNN вообще из другой оперы.
Меня интересует "предсказательная способность" а не классификация, да еще без учителя, которые бесполезны в нашем деле.
Тем не менее, KNN даёт наиболее простую возможность работать с нестационарностью, если использовать его в скользящем окне. Он использует всё время один и тот же набор предикторов, что даёт возможность сравнить его с алгоритмом меняющим набор предикторов и оценить пользу от этого усложнения.
Ок.
Если кто-решит или хотя приблизиться к верному решению (то есть, тему будет жива), то я:
выложу правильное решение - алгоритм генерации набора данных
объясню, почему ряд других алгоритмов "Оценки и выбора предикторов" не справились
выложу свой метод, который робастно и чувствительно решает похожие задачи - выдам теорию и выложу код на R.
Это сделано для взаимного обогащения "понималки" задач машинного обучения.
То, что выложил я, недостаточно для того, чтобы выложить озвученное Вами?
Тем не менее, KNN даёт наиболее простую возможность работать с нестационарностью, если использовать его в скользящем окне. Он использует всё время один и тот же набор предикторов, что даёт возможность сравнить его с алгоритмом меняющим набор предикторов и оценить пользу от этого усложнения.
Заниматься тем, что в принципе не может дать нужного результата, не вижу смысла.
Кто тут спрашивал про применение NN и AI в трейдинге ?
(модератед) платформа (модератед) (модератед) (модератед) понимает описание торговых условий/правил/частей-алгоритмов на естественном языке. Конечно на английском
Вот на мой взгляд это верное направление движения и приложение усилий AI. Как в своей области Wolfram, но вольф по большей части энциклопедия
---
прямо сей момент, люди занимающиеся в принице одной темой, и долго общающиеся - не способны друг-друга понять. Без авто-транслятора или взаимоподписаного и обязательного соглашения об именования сущностей:-)
Не делали ли сравнение вашего алгоритма с KNN (или какой-нибудь его модификацией)? Было бы интересно, насколько значителен выигрыш.
Заниматься тем, что в принципе не может дать нужного результата, не вижу смысла.
Тем не менее, KNN даёт наиболее простую возможность работать с нестационарностью, если использовать его в скользящем окне. Он использует всё время один и тот же набор предикторов, что даёт возможность сравнить его с алгоритмом меняющим набор предикторов и оценить пользу от этого усложнения.