Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 112
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
Если именно так, то я рад, это гораздо лучше.
В любом случае, фронттест показывает результат гораздо лучше. Поделил ваш файл на 2 части (без перемешивания, просто по порядку), в первой части 50 строк, во второй 19. Таким образом jPrediction не имеет доступпа к примерам из второго файла, и это будут действительно новые для модели данные.
В итоге На втором файле JPrediction дал ответ только в 9 случаях. Правильно в 5 случаях, неправильно в 4. Точность около 50%, ничего хорошего в этом результате нету.
Все хорошо кроме пустяка: отсутствует сравнение с другими моделями.
Предлагаю сови услуги по сравнению
1. Вы готовите входной экселевский файл, содержащий предикторы и целевую переменную
2. Делаете расчеты
3. Пересылаете входной файл мне
4. Я делаю расчеты по randomforest, ada, SVM
Сравниваем.
Что Вы собираетесь сравнивать?
Randomforest, Ada и SVM - это бинарные классификаторы, а jPrediction - тернарный.
У Вас есть опыт и адекватный критерий для сравнения бинарных классификаторов с тернарными?
Если Вам так неймётся, то jPrediction находится в открытом доступе, включая исходники. Инструкцию к нему я уже запостил. Там модели создаются банально (только никому про это не рассказывайте): с помощью нажатия всего одной клавиши - F8. Можете поиграться в цифири на досуге с умной рожицей на лице. Но только без моего участия. Ведь для нажатия одной клавиши моя помощь вряд ли понадобится, поскольку весьма надеюсь, что Вам родители уже разрешают пользоваться компьютером самостоятельно?
Но только без моего участия.
Жаль.
Успеха, велосипедист
Что Вы собираетесь сравнивать?
Randomforest, Ada и SVM - это бинарные классификаторы, а jPrediction - тернарный.
У Вас есть опыт и адекватный критерий для сравнения бинарных классификаторов с тернарными?
Если Вам так неймётся, то jPrediction находится в открытом доступе, включая исходники. Инструкцию к нему я уже запостил. Там модели создаются банально (только никому про это не рассказывайте): с помощью нажатия всего одной клавиши - F8. Можете поиграться в цифири на досуге с умной рожицей на лице. Но только без моего участия. Ведь для нажатия одной клавиши моя помощь вряд ли понадобится, поскольку весьма надеюсь, что Вам родители уже разрешают пользоваться компьютером самостоятельно?
Если хотите получить однозначный ответ не глядя на данные и алгоритмы....
спасибо за развернутый и понятный ответ
Дык и я про тоже. Они всё понять не могут что тренировка НС это искуство, и выбор правильной модели складывается из многолетнего опыта и некоего чувства что это оно. Но нет, нашим корефеям подавай однозначность результата. Кстати, об однозначности. Вполне интересная штука, когда модель будет тренироватся однозначно и безаппеляционно. И вот какая идея у меня есть. Напишу в ЛС....
Мы не корифеи - мы примкнувшие к большинству, члены которого хотят получать в будущем такие же результаты как сегодня. Именно этому посвящена эта ветка.
А художники, жрецы искусства, они вместе с машками.
Мы не корифеи - мы примкнувшие к большинству, члены которого хотят получать в будущем такие же результаты как сегодня. Именно этому посвящена эта ветка.
А художники, жрецы искусства, они вместе с машками.
выкладываю скрип в котором делал индикатор с самонастройкой периода и как тренировал модель,
скрипт разбил на две части, в первой создается лист с объективными периодами и самими данными, во втором скрипте этот созданный лист открывается и уже тренируется модель..
скрипт написан коряво и не информативно, за это прошу прощения я не программист, если кого то заинтересует отвечу на вопросы,
1) все пути в скриптах естессно нужно заменить на свои...
2) не пытайтесь проверить модель обычным способом через сравнение целевой с новых данных с predict, такой подход не работает, нужно закидать данные в программу тех анализа и там симулировать торговлю с стопами, пока что я глубоко убежден что это единственный объективный способ проверить модель
3) Я тренировал модель около 15-ти раз из низ только 3 или 4 раза модель показала небольшой убыток на новых данных, считаю ето в кавычках "стабильным" результатом и достойным для внимания и дальнейшего развития.
Всего данных 50 000 тренировка была на 20 000 а 30 000 ето тест на новых данных
4) котировки такие же как у меня можете скачать с сайта финам https://www.finam.ru/profile/mosbirzha-fyuchersy/rts/export/?market=14&em=17455&code=SPFB.RTS&apply=0&df=18&mf=7&yf=2016&from=18.08.2016&dt=18&mt=7&yt=2016&to=18.08.2016&p=7&f=SPFB.RTS_160818_160818&e=.txt&cn=SPFB.RTS&dtf=1&tmf=1&MSOR=1&mstime=on&mstimever=1&sep=1&sep2=1&datf=1&at=1
потому что из за чудесности этого форума я не могу прикрепить свои котировки
как ето выглядит http://prntscr.com/c776d3
ну или немножко подкорректировав код, можете вставить свои из метатрейдера
в 111 как бы создается дата
в 222 уже тренируеться модель на этой дате
Я, вроде, понял почему пример Михаила может работать. Сила jPrediction не в классификации (точность 50% на новых данных это как монетку подбрасывать), а в том что эта программа вообще не выдаёт предсказание если модели в комитете дают разные ответы. Стратегия Михаила работает только потому, что он не торгует в такие неясные моменты на рынке когда обе модели не могут придти к однозначному ответу. Какое именно предсказание выдаст jPrediction - неважно, всё равно ошибка будет 50%, главное не торговать когда jPrediction отказывается выдать предсказание. Дальше направление сделки (buy/sell) он выбирает по секвенте. Получается, что jPredictor у него работает как детектор слишком хаотичной ситуации на рынке когда лучше не торговать, очень интересное применение.
Я попробовал похожий подход со своими данными. У меня в комитете не 2 модели а больше. Одногласного ответа я от них не смог получить, но если торговать когда хотя бы 80% моделей согласны с ответом - результат торговли получается лучше, советую попробовать.
Я, вроде, понял почему пример Михаила может работать. Сила jPrediction не в классификации (точность 50% на новых данных это как монетку подбрасывать), а в том что эта программа вообще не выдаёт предсказание если модели в комитете дают разные ответы. Стратегия Михаила работает только потому, что он не торгует в такие неясные моменты на рынке когда обе модели не могут придти к однозначному ответу. Какое именно предсказание выдаст jPrediction - неважно, всё равно ошибка будет 50%, главное не торговать когда jPrediction отказывается выдать предсказание. Дальше направление сделки (buy/sell) он выбирает по секвенте. Получается, что jPredictor у него работает как детектор слишком хаотичной ситуации на рынке когда лучше не торговать, очень интересное применение.
Я попробовал похожий подход со своими данными. У меня в комитете не 2 модели а больше. Одногласного ответа я от них не смог получить, но если торговать когда хотя бы 80% моделей согласны с ответом - результат торговли получается лучше, советую попробовать.