Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 354

Новый комментарий
 
Vladimir Perervenko:

Более правильно и элегантно это решено в  calibrate::CORELearn/ 

И уже довольно давно. 

Удачи


Самое смешное, что я пользовался калибровкой без особого успеха и забросил. С помощью калибровки просто двигал границу между классами, но не догадался оставлять ПРОМЕЖУТОК между классами.
 
СанСаныч Фоменко:

Самое смешное, что я пользовался калибровкой без особого успеха и забросил. С помощью калибровки просто двигал границу между классами, но не догадался оставлять ПРОМЕЖУТОК между классами.
Калибровка делает из "твердого" классификатора "мягкий (он может говорить "не знаю"). Исчезают просадки.
 

Вот дошел до момента подготовки обучающих данных к своему варианту сетки...
Смотрю на примеры и думаю, а зачем вводить в обучение бары, на которых нет торговой команды?

Если обучающие примеры строятся по зигзагу, то надо заносить в НС, только моменты разворота зигзага.

Или непринятие торгового решения - это тоже решение? ))) И этому тоже надо научиться? Хотя по логике, если не бай и не сел, значит принято решение об отсутствии торговли.

 

Предполагается что обученная модель при торговле будет делать какой-то прогноз на каждом баре. Например её предсказание должно интерпретироваться в "держать длинную позицию"/"держать короткую позицию"/"Не торговать", и дальше уже по этому прогнозу внутри советника совершать различные торговые операции - переворачиваться, закрываться, открываться в лонг или шорт. Так что модель (нейронка) должна научиться определять все три эти ситуации, и обучающие данные соответственно заранее подготавливаются так чтоб показать ей где и какой прогноз от неё ожидается. 

 
Dr. Trader:

Предполагается что обученная модель при торговле будет делать какой-то прогноз на каждом баре. Например её предсказание должно интерпретироваться в "держать длинную позицию"/"держать короткую позицию"/"Не торговать", и дальше уже по этому прогнозу внутри советника совершать различные торговые операции - переворачиваться, закрываться, открываться в лонг или шорт. Так что модель (нейронка) должна научиться определять все три эти ситуации, и обучающие данные соответственно заранее подготавливаются так чтоб показать ей где и какой прогноз от неё ожидается. 

Все-таки мне кажется, что ничего-не-деланию не надо учиться. Это у всех хорошо получается)

К тому же, если не скальпируем и торговые решения принимаются раз в 100 - 10000 баров, то НС должна все те ненужные 10000 баров перелопатить... очевидно разница в скорости обучения будет тоже в 10000 раз. Даже если скальпируем, например 1 раз за 10 баров, то 10 кратное увеличение времени расчетов - тоже существенно.

В общем, практика - критерий истины, попробую оба варианта и сравню.

 
Vladimir Perervenko:
Калибровка делает из "твердого" классификатора "мягкий (он может говорить "не знаю"). Исчезают просадки.

Такой вопрос по R, как сделать совместимость версий? 
package ‘MXNet’ is not available (for R version 3.4.0)

пример
https://www.r-bloggers.com/recurrent-models-and-examples-with-mxnetr/

а Вы не хотели бы по рекуррентным сетям еще статейку запилить? :)
 
Maxim Dmitrievsky:

Такой вопрос по R, как сделать совместимость версий? 
Залезть в код пакета, и исправить.
 
Yuriy Asaulenko:
Залезть в код модуля, и исправить.

я неумеха, не знаю че куда лезть )
 
Maxim Dmitrievsky:

я неумеха, не знаю че куда лезть )

Исходный код пакета. Скачать, исправить, скомпилировать. Иногда это получается, иногда нет. М.б там всего 2 строчки поправить, а может до фига.)

ЗЫ Самый простой вариант, скачать предыдущую версию R.

1...347348349350351352353354355356357358359360361...3494
Новый комментарий
Причина обращения: