Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3726
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
Очевидно, что в нейронах и смещениях. Все перемножите и переплюсуете и получите ответ. Воспринимать сложно, это одна из причин, почему на деревянные модели перешел.
Деревянные модели в смысле данных понятнее. Листья дают среднее значение примеров, которые в него вошли.
Кто пробовал?
https://www.mql5.com/ru/articles/19519
Случайные данные на которых обучалось оно запомнит и часто будут давать правильные ответы, но на новых случайных данных будет 50/50.
Это практически стандарт - потестить изучаемый подход на случайных данных с заданными вероятностными характеристиками.
Что с чем перемножать без поступающих на вход данных? В нейронах веса модели (параметры), а не данные.
Ок. База данных сохраняющая веса и смещения. Относите слово данные к названию БД (хранилищу), а не к типу хранимой информации. В деревянных моделях усреднения данных - т.е. можно соотнести с данными на которых обучали. В НС как и ранее говорил хранятся веса и смещения.
Определение не мое. Пару лет назад видел такое определение в новостях "базы данных на основе нейросетей". Для себя согласился. Особенно для основного инструмента который использую, т.е. деревьев/лесов.
Так все же уже успешно решается задача идентификация ряда, как СБ или нет?
Для себя такой задачи не решал.
Но могу предположить.
Тренировочные данные МО может хорошо выучить. Решение на новых данных. Если там 1000 строк, то могут быть отклонения от 50/50. Чем их будет больше - тем ближе будет к рандомному ответу.
Если после экспериментов ни одна из моделей не смогла на новых данных отвечать лучше чем 50/50, то это или СБ или просто вы не смогли найти значимых фичей и настроек. 1 из этих 2х причин, но не однозначно СБ/не СБ.Но еще есть факторы степени обучения, если недообучить - то тоже будет рандом или близко к нему на новых данных. Возможно для определения СБ придется проверять несколько моделей с разной степенью заучивания. Если все на новых данных дают 50/50, то СБ. Если какие то будут и на новых правильно отвечать, то значит закономерности есть и найдены.
Так все же уже успешно решается задача идентификация ряда, как СБ или нет?
Мои эксперименты показали, что легко. Как раз задача в том, что бы сложно было различить - пока не вернулся к этой задаче.
Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
Будет ли хорошая стратегия работать на случайно сгенерированных данных?
Aleksey Vyazmikin, 2024.09.07 01:39
К сожалению, обнаружилось, что выборки для построения моделей были не совсем корректными для GBPUSD и Random_01 - чаще чем раз в час были сняты показатели в среднем.
Поэтому пришлось всё переделать, я обучился на 3х вариантов комбинаций выборок
Использовалось 13 разных поднаборов предикторов, в результате получил такие показатели Accuracy на выборке exam для них при создании модели сseed=0.
Как видно из таблицы, рандомные примеры баров хорошо выделяются предикторами. А вот отделить пары EURUSD и GBPUSD не удаётся столь же хорошо - лучший показатель 0,68. Жёлтым цветом я выделил заинтересовавашие меня наборы - посмотрим значимость первых 25 предикторов в этих моделях.
Для Test_CB_Setup_0_000000006 - Исключили всё, кроме осцилляторов, за исключением ATR и Volume + iVIDyA, iBWMFI, iChaikin
Удивительно, но осцилляторы всё же показали не плохой результат, что говорит, как я думаю, о том, что есть зависимость в развитии последовательностей временных рядов. Особенно важны оказались показатели стандартного отклонения, индикатор "Average Directional Movement Index by Welles Wilder", MACD и "Triple Exponential Moving Averages Oscillator".
Для Test_CB_Setup_0_000000010 - Только предикторы на базе MA
Неожиданно для меня на предикторах от скользящих средних удалось получить неплохой результат. Особенно обращает на себя внимание значимость предикторов на TF H4.
Идеи и мнения приветствуются по результатам эксперимента.
Мои эксперименты показали, что легко. Как раз задача в том, что бы сложно было различить - пока не вернулся к этой задаче.
Есть кастомный символ. Запускаем на нем скрипт, и тот делает вердикт по случайности. Нечто такое есть?
Есть кастомный символ. Запускаем на нем скрипт, и тот делает вердикт по случайности. Нечто такое есть?
Попробую ответить без математической мути.
Ряд ведёт себя как СБ если его приращения ведут себя как качественный генератор случайных чисел. Есть множество библиотек тестирующих качество таких генераторов. Достаточное количество таких библиотек и тестов в каждой из них однозначно говорит о том, что вопрос не прост и не имеет однозначного решения. СБ-шность может нарушаться очень по разному, фактически, бесконечным числом способов.
Например, есть тесты NIST, которые подойдут для теста СБ "монетки".
Попробую ответить без математической мути.
Возможен ли ряд bid/ask, на котором может зарабатывать ТС, но который по тестам проходит, как СБ?
Просто видится, что в любом СБ ряду можно заменить 1% информации так, что это превратит ряд в "зарабатываемый". И этот 1% никак не повлияет на вердикт, что это СБ.