Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1247

[Yuriy Asaulenko]

mytarmailS:

может правда, может нет но интересно

http://brokeruforex.ru/mashinnoe-obuchenie-foreks.html 

Читали. Уже 10 раз писал- МО хорошо решает вспомогательные задачи в обычных АТС.

Открытие.))

[Aleksey Vyazmikin]

mytarmailS:

может правда, может нет но интересно

http://brokeruforex.ru/mashinnoe-obuchenie-foreks.html 

Интересным нашел только эту идею

"

Когда включать/выключать вашу стратегию

Знание моментов включения или отключения торговли может определять разницу между успехом и потерями вашей стратегии. Тем не менее, определение момента выключения непростая задача. Мы снова будем использовать известный алгоритм машинного обучения — модель скрытых состояний Маркова, для определения режимов рынка, при которых наша стратегия убыточна и мы должны остановить торговлю.

Сначала мы должны решить, что будем использовать для идентификации различных режимов эффективности стратегии. Зададимся вопросом — какие факторы сигнализируют о том, что мы должны прекратить торговлю?

Попробуем использовать два вычисления, основанных на 10 периодной простой скользящей средней (SMA) нашей кривой прибыли. Рассмотрим два показателя — коэффициент изменения на 5 периодном отрезке и расстояние между текущей точкой кривой прибыли и значением SMA. Коэффициент изменения (ROC) должен сигнализировать о том, что наша кривая находится в падающем тренде, и расстояние между линиями даст нам чувствительный индикатор эффективности стратегии.

Основываясь на этих двух входных значениях, мы применим HMM с двумя состояниями для принятия решения об отключении нашей стратегии:

"

Но что то не понял с реализацией, типа наложить на баланс машку, а потом отмониторинг точки просадки, хорошо, но а где привязка к рыночным предикторам и по каким правилам происходит обратное включение - не ясно.

[Aleksei Kuznetsov]

Aleksey Vyazmikin:

Интересным нашел только эту идею

"

Когда включать/выключать вашу стратегию

Знание моментов включения или отключения торговли может определять разницу между успехом и потерями вашей стратегии. Тем не менее, определение момента выключения непростая задача. Мы снова будем использовать известный алгоритм машинного обучения — модель скрытых состояний Маркова, для определения режимов рынка, при которых наша стратегия убыточна и мы должны остановить торговлю.

Сначала мы должны решить, что будем использовать для идентификации различных режимов эффективности стратегии. Зададимся вопросом — какие факторы сигнализируют о том, что мы должны прекратить торговлю?

Попробуем использовать два вычисления, основанных на 10 периодной простой скользящей средней (SMA) нашей кривой прибыли. Рассмотрим два показателя — коэффициент изменения на 5 периодном отрезке и расстояние между текущей точкой кривой прибыли и значением SMA. Коэффициент изменения (ROC) должен сигнализировать о том, что наша кривая находится в падающем тренде, и расстояние между линиями даст нам чувствительный индикатор эффективности стратегии.

Основываясь на этих двух входных значениях, мы применим HMM с двумя состояниями для принятия решения об отключении нашей стратегии:

"

Но что то не понял с реализацией, типа наложить на баланс машку, а потом отмониторинг точки просадки, хорошо, но а где привязка к рыночным предикторам и по каким правилам происходит обратное включение - не ясно.

Ага. У Миши еще круче была идея: если сделка неудачная - то инвертировать сигналы НС)).

Обратно включать видимо после нового обучения с новыми данными, на которых НС начала сливать.
Что-то мне кажется что это слишком часто будет происходить.

[Ivan Negreshniy]

mytarmailS:

может правда, может нет но интересно

http://brokeruforex.ru/mashinnoe-obuchenie-foreks.html 

Статья скорее за упокой, чем за здравие, за исключением рекламы CyberCortex, интересно, чей это, и что за пакет, кто-нибудь в курсе, где посмотреть?

P.S. нашел вот, только троллинг разработчика - сразу видно, что конкретный пацан, а не жалкий перечирикиватель Воронцова и юзер фриварной мякины:)
https://www.mql5.com/ru/forum/36549/page11#comment_1335159

[Ivan Negreshniy]

Vizard_:

спс, интерфейс найс,  еще бы пример работы...

[Ivan Negreshniy]

Vizard_:

Вань, не охота делать. да там фигня...

а щас, по теме промоушен какой-то перспективный есть?

просто все ссылки старые, битые там, но есть какой-то вот, но видимо не то ...http://www.cybercortex.org/

[Ivan Negreshniy]

Vizard_:

Без понятия. Так как я давно этой всей фигней маюсь, много чего скопилось.
Эта попалась давно, попробывал и забыл. Вот скрин примера работы...

ну да, спасибо, скорее всего бросил он тему или перешел на более широкий профиль..

[Anatolii Zainchkovskii]

Интересно,  а кто-нибудь делал исследование на наличие аномальных тиков? Что если таковые имеются?  Что если отрисовать ВР именно по этим аномальным тикам и их проюзать как предикторы.... 

[Aleksey Vyazmikin]

Я вот думаю, если переобучение это следствие запоминания рынка за счет шума, то для запоминания рынка требуется определенный объем памяти в виде леса из деревьев решений и бустинга, а такие модели как одно дерево и нейросеть с небольшим числом нейроов должны меньше переобучаться. Тогда получается, что есть критический объем данных, который нельзя описать, скажем, одним листом - какой это объем 1% или 10% - от всей выборки (учебной, тестовой, контрольной) вот в чём вопрос. Тогда, быть может, надо оценивать данные с точки зрения объема памяти, необходимым для запоминания этих данных и стараться, что бы модель была на порядок меньше от этого критического объема? Как это сделать - не знаю, возможно тут что-то похожее с архивированием должно быть - если архиватор жмет выборку из 10мб в 1мб, то модель должна быть не более 102,4 кб. И, тогда зная, что модель не просто запомнила выборку, а нашла в ней закономерности, можно менее критически подходить к тестированию на независимой выборке и делать вывод не о переобучении, а о нехватке данных на выборке для обучения,так как в ней отсутствовали ситуации, описывающие текущее состояние рынка, а значит просто небыло самой возможности найти такую закономерность при использовании имеющихся предикторов.

[Aleksey Vyazmikin]

Сейчас делаю руками модель на основе полученных листов, и получается что порядка 20 листов на покупку и 5 листов в качестве фильтра могут приносить доход каждый год с 2014 по 2018 год, и вот я и думаю, это же не может быть переобучением и для подгонки маловато как-то листьев... значит это закономерность, которая утратит в 2019 году свою работоспособность?