Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1640
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
От сессионных колебаний волатильности можно же избавиться переходом к зигзагу или ренко? Естественная временная структура, конечно, пострадает, но можно ввести обычное время как индикатор заданный для каждого колена/кирпичика.
Я вот к зигзагу обратился... но с начала марта они просто несопоставимы с тем что было до марта. Если раньше колено могло строиться полчаса - час, то сейчас и за 5 минут отрисовывает из за высокой волатильности, при тех же параметрах. Т.е. на данных до марта обучаться не имеет смысла. Уже все по другому.
Надо что-то еще придумывать универсальное для высокой и низкой волатильности.
Может что-то волновое. Волны остались, просо стали поразмашистее.
прогуглил, но все равно еще тут спрошу
какие типы нейросетей могут применяться в качестве системы управления обьектом?
хотя бы для такого примера: НС должна выдавать ответ который будет открывать ордер в нужном направлении и выставлять величину тейка и стоплосса, т.е. 3 параметра управления (buy/sell + tp + sl)
EN: reinforcement learning
https://github.com/EliteQuant/EliteQuant#quantitative-model
РУ: обучение с подкреплением
https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
хотя если набор параметров фиксированный, также, как и их значения, то выглядит это как обычная классификацияпрогуглил, но все равно еще тут спрошу
какие типы нейросетей могут применяться в качестве системы управления обьектом?
хотя бы для такого примера: НС должна выдавать ответ который будет открывать ордер в нужном направлении и выставлять величину тейка и стоплосса, т.е. 3 параметра управления (buy/sell + tp + sl)
Ну и задачи пытаешся решать!
Вот план:
1. сделай сеть которая угадывает направление движения цены через фиксированное время.
2. если получился п.1, сделай сеть которая угадывает направление динамично, т.е. выдает направление и время где она больше всего уверена.
3. если получился п.2, сделай сеть которая угадывает направление и силу движения.
4. если получился п.3, сделай сеть которая угадывает направление и силу движения + время движения.
После этого преходи к своим 3 параметрам.
EN: reinforcement learning
https://github.com/EliteQuant/EliteQuant#quantitative-model
РУ: обучение с подкреплением
https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
хотя если набор параметров фиксированный, также, как и их значения, то выглядит это как обычная классификацияобучение с подкреплением больше не хочу, у меня подгонка получалась, более эффективно случайным образом ГА тестера использовать, по крайней мере форвард лучше проходят ТС найденные генетикой, чем обучением с подкреплением
за гит спасибо, поизучаю большая подборка готового материала
Ну и задачи пытаешся решать!
Вот план:
1. сделай сеть которая угадывает направление движения цены через фиксированное время.
2. если получился п.1, сделай сеть которая угадывает направление динамично, т.е. выдает направление и время где она больше всего уверена.
3. если получился п.2, сделай сеть которая угадывает направление и силу движения.
4. если получился п.3, сделай сеть которая угадывает направление и силу движения + время движения.
После этого преходи к своим 3 параметрам.
это RNN сети или обычный многослойный перцептрон прекрасно делает
задача как раз в управлении обьектом - гуглить нейроуправление, в той же Вики бегло терминологии можно начитаться и далее по ним гуглить
это RNN сети или обычный многослойный перцептрон прекрасно делает
задача как раз в управлении обьектом - гуглить нейроуправление, в той же Вики бегло терминологии можно начитаться и далее по ним гуглить
Не специалист, но на первый вгляд этот подход для рынков вряд ли даст что-либо выходящее за пределы NARX. А эта модель, вроде бы, всегда может быть реализована посредством RNN. Да и полнота RNN по Тьюрингу тоже способствует её достаточности.
Статья об эквивалентности NARX и RNN.
Не специалист, но на первый вгляд этот подход для рынков вряд ли даст что-либо выходящее за пределы NARX. А эта модель, вроде бы, всегда может быть реализована посредством RNN. Да и полнота RNN по Тьюрингу тоже способствует её достаточности.
я гуглил, по моим наблюдениям я должен использовать RBF-сеть
ОК, спрошу боле конкретно: есть портфель примитивных ТС, которые проходят форвард-тестирование, каждая ТС привязана по времени работы внутри дня и ТС могут пересекаться по времени - нужно "что то, что попытается перебирать портфель" в зависимости от входных данных - OHLC
просто сделать оптимизацию портфеля путем перебора в генетике тестера могу.... но хочется некой интеллектуальности )))
я гуглил, по моим наблюдениям я должен использовать RBF-сеть
ОК, спрошу боле конкретно: есть портфель примитивных ТС, которые проходят форвард-тестирование, каждая ТС привязана по времени работы внутри дня и ТС могут пересекаться по времени - нужно "что то, что попытается перебирать портфель" в зависимости от входных данных - OHLC
просто сделать оптимизацию портфеля путем перебора в генетике тестера могу.... но хочется некой интеллектуальности )))
Задача выглядит не вполне формализованной - неясен набор параметров. Полный набор систем конечный, счётный или континуальный? Портфель фиксированного размера? Система включается в портфель с какими-то весами или просто да/нет?
Задача выглядит не вполне формализованной - неясен набор параметров. Полный набор систем конечный, счётный или континуальный? Портфель фиксированного размера? Система включается в портфель с какими-то весами или просто да/нет?
хм... если честно, то спасибо за вопрос - как говорится половина ответа уже есть
набор систем счетный и конечный, весов нет, и не планируется - все равнозначны,
чуда не произошло, основная проблема возникающая в простых ТС это просадка , цель не минимизировать просадку путем добавления другой ТС - не важно будут 2 ТС в момент просадки работать или надеяться, что будет альтернативная ТС замещать просевшую ТС - это увеличение риска, не ищу там, уже искал
цель - запуск ТС из портфеля, НО после виртуального тестирования И после просадки - тут есть смысл, по тестам ТС - просадки периодические и есть некоторое время после просадки когда ТС работает - тут проблема сколько времени давать такой ТС работать, в этой задаче ГА скорее всего не помощник, нужна некая интеллектуальная составляющая