Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 182
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
вышла 4-тая заключительная часть статьи про RNeat...
Посмею предположить что как минимум одному человеку тут будет интересно ее прочесть
http://gekkoquant.com/
Да, это интересно.
Я тестирую на котировках М30. Хороший результат требует подстройки параметров генетики.
Но очень перспективная модель.
Удачи
Да, это интересно.
Я тестирую на котировках М30. Хороший результат требует подстройки параметров генетики.
Но очень перспективная модель.
Удачи
mytarmailS:
может просто поступать проще? Найдете толпу найдете и крупняк...
думаю что "проще" всё уже украдено до нас, Вы как то слишком общее рассуждаете про эту "толпу" как я понимаю одних только мелких и средних спекулянтов, а кроме спекулянтов есть ещё и инвесторы и хеджеры и всякие перебросы бабла между странами, многие позиции поэтому противоположные и не могут составлять толпу, не понятно как и зачем искать действия мелких спекулянтов
надо бросать поиск каких-то графических паттернов или индикаторов
Однозначно, через это все проходят, но не все перерастают, так же и в жизни, большинство людей не перерастают подростковый способ мышления.
вот тут упоминал интересное решение, https://www.mql5.com/ru/forum/96886/page2#comment_2866637
оно только визуализировало. однако если искать закономерности в том ,как крупные игроки перемещают свои заявки, как они исполняются, как ведет себя цена после крупных маркетов или айсбергов и т.п., то пользы, возможно,будет гораздо больше. все это было видно в упомянутом решении. возможно, подобное еще будет работать на московской бирже,Если они шлют сырой поток,а не агрегированный. на сме год назад ввели обратно агрегированный поток из ядра биржи. на акциях могут возникнуть сложности,т.к. слишком много ECN плюс даркпулы.
Интересная тема, спасибо.
одних только мелких и средних спекулянтов, а кроме спекулянтов есть ещё и инвесторы и хеджеры и всякие перебросы бабла между странами, многие позиции
это все и есть толпа... имхо и мы с вами тоже, как бы это неприятно не было....
это все и есть толпа... имхо и мы с вами тоже, как бы это неприятно не было....
ну тогда "проще" точно не получится, к тому же если Ваша толпа включает и крупных игроков и умные деньги, то играть против такой толпы бесперспективно
Опять же когда говорим про деление, вот типичный пример работы сети, где первый сигнал правильный, далее два не правильных сигнала и текущий. как мы видим четвёртый сигнал отличается от второго и третьего, поскольку второй и третий были ложными, Тоесть их нужно было переверныть, то и последний, раз он отличатеся от двух предыдущих, тоже нужно перевернуть, и дальше по плану....... Да в момент получения первого сигнала на покупку, получаем минус, зато второй сигнал на покупку относится к такому же классу как и предыдущий Который был минусом, поэтому его переворачиваем, ну и последний на продажу отличается от предыдущих двух, то есть он пренадлежит разным классам. И если те были минусовые, тогда этот будет плюсовой. Главное чтобы деление было стабильным, даже если сеть совершила ошибку, и начала зеркалить сигналы, главное чтобы было стабильно.
Так что как то так....
Да, это интересно.
Я тестирую на котировках М30. Хороший результат требует подстройки параметров генетики.
Но очень перспективная модель.
Удачи
Я пару месяцев назад пытался сделать рабочую модель с rneat, но не вышло, модель тоже переобучается. Первые поколения может и будут немного успешными на OOS, но чем дольше обучение - тем меньше корреляция между результатами на Sample и OOS. И этот момент чтоб остановить обучение поймать довольно сложно, там даже кроссвалидация не поможет.
Касательно примера в статье - у меня результат получился вообще другой чем у автора. Модель в OOS торговала в плюс где-то год, а потом слила 20% баланса и остановила торговлю. В итоге хоть и небольшой плюс, но совсем не "5 лет в профите" как у автора. Да и говорят что те предикторы что использует автор (индексы правительства США) перерисовываются постоянно и доверять им нельзя. Так что вся эта статья под сомнением.
Я пару месяцев назад пытался сделать рабочую модель с rneat, но не вышло, модель тоже переобучается. Первые поколения может и будут немного успешными на OOS, но чем дольше обучение - тем меньше корреляция между результатами на Sample и OOS. И этот момент чтоб остановить обучение поймать довольно сложно, там даже кроссвалидация не поможет.
Касательно примера в статье - у меня результат получился вообще другой чем у автора. Модель в OOS торговала в плюс где-то год, а потом слила 20% баланса и остановила торговлю. В итоге хоть и небольшой плюс, но совсем не "5 лет в профите" как у автора. Да и говорят что те предикторы что использует автор (индексы правительства США) перерисовываются постоянно и доверять им нельзя. Так что вся эта статья под сомнением.
Я завтра тоже попробую....
Еще нужно со своими данными попробовать, но если предикторов много то наверное долгий процесс...
У вас долго обучалась модель ? эта последняя
Сарказм с подсказкой. Рисунок от руки. Проблем разбить на машине так, или покруче, нет. Главное что бы работало в будущем...
Первых два графика действительно просты, любая модель так сможет поделить пространство. Но набрать предикторов, которые бы так легко сгруппировались в две цели - по-моему вообще невозможно.
Третий график более реален для форекса. Но тут у моделей начнётся полный затуп.
Я хотел найти какие-то примеры с двумя форекс индикаторами, обучить модель, и нарисовать карту разбиения пространства, но не смог, 2 индикатора слишком мало.
Проще показать пример так - http://playground.tensorflow.org - можно посмотреть такие графики для нейронки. Все такие "островки классов" как у тебя на третьем графике - не будут иметь в модели чётких круглых границ. Между ними будут какие-то мосты, ответвления в разные стороны, итд.
От руки нарисовать границы классов просто, но модели справятся гораздо хуже. Потому мне и понравилась твоя картинка, что сложно найти такие предикторы и цель и модель чтоб всё так красиво сработалось.
Надо SVM попробовать, если она так красиво выделяет области одного класса в пространстве то супер, спасибо за советы.