Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3612

[[Удален]]

mytarmailS #:

нужно быть увереным что код работает так же, нужно на питоне сделать, но бог свидетель я старался))

На этом мои полномочия, как говорится, все.

[Aleksey Vyazmikin]

А на каких котировках собственно обучаетесь вы?

Провёл небольшое исследование, тут в соседней ветке, опубликую и тут - думаю полезно.

Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий

Будет ли хорошая стратегия работать на случайно сгенерированных данных?

Aleksey Vyazmikin, 2024.09.10 19:30

Тут я подумал, а похожи ли котировки MQ на котировки реального ДЦ? Под рукой оказался ДЦ RF (это не реклама), и сделал я выборку по часам на EURUSD так, же как описывал раньше, а заодно конвертировал чарт кастомный, что бы был под рукой. Обучил модели - по 10 штук на каждую настройку.

Вот такой разброс по Accuracy получился

А вот метрика Precision - показывает точность определения класса "1" - иными словами процент правильно классифицированных примеров, т.е. для нас это процент часов EURUSD от MQ, которые удалось точно определить, как принадлежащих MQ.

В теории, если выборки одинаковы, то обучение будет в районе 0,5 по этим показателям, т.е. модель будет классифицировать все примеры как "1" или "0", а показатели будут в районе 0,5.

Однако, и обучение по идеи не должно происходить, а у нас оно идёт бодренько - странное дело!

Заинтересовали выбросы на выборке exam, небольшие, но обращающие на себя внимание, посмотрим на положительное отклонение, это настройки Test_CB_Setup_48_000000005 - Исключили ATR, iDelta, Volume и OHLC типа + iVIDyA, iBWMFI, iChaikin.

Интересно, но не понятно - на чём же идёт обучение - логически затрудняюсь обосновать :)

Но, ясно одно, что-то тут не так - видать есть отличия в чартах, решил запилить скрипт, который:

1. Посчитает число пропущенных баров (число синхронизаций) указанного TF с разбивкой по годам;
2. Посчитает дельты OHLCV между найденными барами по времени для указанного TF  с разбивкой по годам;
3. Посчитает дельту между High и Low бара двух символов для указанного TF  с разбивкой по годам.
   

Ниже результаты этих вычислений в виде графиков, для примера представлены последовательно расчеты для M1, H1 и D1.

Ну что, где наверное теперь остаётся понять, а где же рандомные котировки, а где реальные?

Если есть закономерности, то где же они быть должны? Неужели в разных ДЦ разные закономерности?

Хммм.... что думаете?

P.S. Может я ошибся в коде - приложил для аудита и частного использования.

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:

Там прикол в том, что если ты применишь эту функцию, то сразу увидишь улучшение на новых после обучения, если датасет не полный рэндом. То есть трейн и тест будут выглядеть более похожими, меньше переобучение.

Здесь вы пишите "меньше переобучение", а ТУТ 

"никогда не переобучается". Где истина? Вроде бы функция одна и та же.

[[Удален]]

Evgeni Gavrilovi #:

Здесь вы пишите "меньше переобучение", а тут 

"никогда не переобучается". Где истина? Вроде бы функция одна и та же.

Очевидно, что где-то рядом. В первом случае про переобучение по отношению к валидационный выборке, во втором про переобучение в контексте тестовой выборки. Мы ведь обсуждаем нестационарные рынки.

[[Удален]]

Maxim Dmitrievsky #:
Очевидно, что где-то рядом. В первом случае про переобучение по отношению к валидационный выборке, во втором про переобучение в контексте тестовой выборки. Мы ведь обсуждаем нестационарные рынки.

В первом случае переобучения действительно никогда не происходит, потому что в обучении участвует кусок размеченной, исправленной выборки. Ошибки трейн/вал выравниваются. Во втором случае могут быть варианты, в зависимости от длины обучающей выборки, наличия паттернов, комбинации подобранных кластеров.

Можно, перед обучением, собрать статистику по кластерам и с теста, но тогда это будет уже своего рода подглядыванием.

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:

Можно, перед обучением, собрать статистику по кластерам и с теста, но тогда это будет уже своего рода подглядыванием.

К сожалению ничего не помогает, проверил все ваши варианты. Остается только фундаментальный анализ, оценка новостного сентимента с помощью chatgpt. 

Надеюсь добавят новую функцию для автоматической загрузки новостей из платформы. 

[[Удален]]

Evgeni Gavrilovi #:

К сожалению ничего не помогает, проверил все ваши варианты. Остается только фундаментальный анализ, оценка новостного сентимента с помощью chatgpt. 

Надеюсь добавят новую функцию для автоматической загрузки новостей из платформы. 

Наверное надо искать причины непоможения, а не вешать себе на шею ещё и фундаментал :)

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:
Наверное надо искать причины непоможения, а не вешать себе на шею ещё и фундаментал :)

Поиски не приведут к прибыльной системе. Даже Лопез де Прадо уже ничего не может сделать с эффективным рынком) 

Опубликовал соревнование, приз 100 тыс. долларов. 

https://x.com/lopezdeprado

[[Удален]]

Evgeni Gavrilovi #:

Поиски не приведут к прибыльной системе. Даже Лопез де Прадо уже ничего не может сделать с эффективным рынком) 

Опубликовал соревнование, приз 100 тыс. долларов. 

https://x.com/lopezdeprado

Не нашел там ссылку на конкурс :) с этими vpn все не слава богу.

Лопес хорош для новичков, но он соскуфился, наряду с оптимизаторшиками. Для трейдеров-новичков, но с математическим бэкграундом. Он слишком лезет в математику, мне кажется. Тогда как сам по себе процесс курвафитинга довольно простой, но часто коварный.

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:
Не нашел там ссылку на конкурс 

Будете участвовать?

https://www.crunchdao.com/live/adia-lab-causal-discovery-challenge