Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 617
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
Ответ на Ваш вопрос: классификация. Сигналы buy/sell/pass.
Что касается изображений, не ясно что за линии.
Скриншоты торговой платформы MetaTrader
AUDUSD, H1, 2018.01.28
RoboForex (CY) Ltd., MetaTrader 5, Demo
Согласен, картинки вырезки с графика.
На счёт классификации, это в той-же нейросети можно применить?
Модель в понимании данной аудитории - это набор параметров датасета (столбцы, переменные) + совокупность математических методов (функции) + результат (ответ функции).
Я так понял, Вы речь ведете про датасет.
Длина датасета влияет на качество и скорость обучения (строки). На качество же прогноза влияет качество параметров (столбцы)
Вот момент с длиной датасета я не могу разобраться как быть. В моём случае одна и таже модель может быть в итоге длиной например в 500 баров, а через сутки уже например в 200 баров. Допустим я сделаю скрипт который мне на каждый час выдаст датасеты, но они будут разной длины, как мне их затолкать в нейросеть? вот этого я не могу разобрать... Думаю что как раз длина модели тоже является качественным показателем для нейросети...
https://charts.mql5.com/17/376/audusd-h1-roboforex-cy-ltd.png
Согласен, картинки вырезки с графика.
На счёт классификации, это в той-же нейросети можно применить?
По изображениям не ясно что за данные? где прогноз? есть ли он там? Что означают вертикальные линии? В общем, как говорится, нету легенды на графике.
По сути да, в структуре модели нейросети Вам необходимо будет изменить выходной слой (количество нейронов, функцию активации), и данные для обучения преобразовать в классы (например, сигналы индикатора, нормированные приращения цены).
По изображениям не ясно что за данные? где прогноз? есть ли он там? Что означают вертикальные линии? В общем, как говорится, нету легенды на графике.
По сути да, в структуре модели нейросети Вам необходимо будет изменить выходной слой (количество нейронов, функцию активации), и данные для обучения преобразовать в классы (например, сигналы индикатора, нормированные приращения цены).
По картинке, вертикальные линии показывают саму модель, всё что после правой вертикальной форвард. Так вот форвард по разному себя ведёт, а при помощи нейросети я хочу найти возможное объяснение поведение форварда. Данные для нейросети хочу затолкать приращения цен участка модели.
Вот момент с длиной датасета я не могу разобраться как быть. В моём случае одна и таже модель может быть в итоге длиной например в 500 баров, а через сутки уже например в 200 баров. Допустим я сделаю скрипт который мне на каждый час выдаст датасеты, но они будут разной длины, как мне их затолкать в нейросеть? вот этого я не могу разобрать... Думаю что как раз длина модели тоже является качественным показателем для нейросети...
Ваш датасет - это таблица, где столбцы, к примеру, это цены открытия/закрытия, а строки - моменты времени, бары.
В элементарной архитектуре нейросети, на вход ей подаётся одна строка за другой, и на каждую строку, она должна выдать результат, сравнив который с эталоном функция оптимизации будет "обучать" нейросеть.
Если же на вход вы подаете сразу несколько строк, то это уже временная серия, что означает, что подавать на вход данные следует по определенному алгоритму.
Добавлю: изучите статьи по данному вопросу, я думаю многие вопросы станут яснее.По картинке, вертикальные линии показывают саму модель, всё что после правой вертикальной форвард. Так вот форвард по разному себя ведёт, а при помощи нейросети я хочу найти возможное объяснение поведение форварда. Данные для нейросети хочу затолкать приращения цен участка модели.
для парного трейдинга я начал статью писать.. но застопорился на своей лени и недопонимании как и то правильней было бы сделать :)
Ваш датасет - это таблица, где столбцы, к примеру, это цены открытия/закрытия, а строки - моменты времени, бары.
В элементарной архитектуре нейросети, на вход ей подаётся одна строка за другой, и на каждую строку, она должна выдать результат, сравнив который с эталоном функция оптимизации будет "обучать" нейросеть.
Если же на вход вы подаете сразу несколько строк, то это уже временная серия, что означает, что подавать на вход данные следует по определенному алгоритму.
Простите за тупизну, мои познания в нейросети наверное слишком поверхностные. И так, у меня есть к примеру последовательность цен клоуз за 100 баров и есть форвард цен клоуз пусть 5 баров. на вход нейросети идут 100 на выход идут 5. Но теперь следующая выборка часом ранее имеет последовательность например из 200 баров а форвард так же 5 баров.Третья выборка ещё часо раньше имеет 250 на вход и 5 на выход. Вот как такую нейросеть сделать? Везде где есть примеры описывают что входные данные в одинаковом количестве.
для парного трейдинга я начал статью писать.. но застопорился на своей лени и недопонимании как и то правильней было бы сделать :)
Приветсвую, у меня не парный метод, хотя и пришёл через знакомство с парным. На сегодня я применяю портфельную торговлю , и то только потому что в любой момент времени создаю портфель под удобный мне сэтап (модель). И вот когда заметил что в принципе портфельный ряд ни чем не отличается от любого рыночного ряда и появилось желание с помощью нейросети найти возможные закономерности для одинаковых сэтапов(визуально одинаковых).
Максим, вы ведь свои нейросети гоняете по монопаре? Не задумывались о том что можете создавать удобный ряд который потом возможно лучше покажет себя на форварде? Ведь по сути скажем фигура головаплечи к примеру встречается не так часто, а вот представьте что можно её делать каждый час...
Простите за тупизну, мои познания в нейросети наверное слишком поверхностные. И так, у меня есть к примеру последовательность цен клоуз за 100 баров и есть форвард цен клоуз пусть 5 баров. на вход нейросети идут 100 на выход идут 5. Но теперь следующая выборка часом ранее имеет последовательность например из 200 баров а форвард так же 5 баров.Третья выборка ещё часо раньше имеет 250 на вход и 5 на выход. Вот как такую нейросеть сделать? Везде где есть примеры описывают что входные данные в одинаковом количестве.