Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2016
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
А кто то пробовал использовать "круглые уровни" как признаки?
Или как способ обработки цены ?
можно заметь цены круглыми значениями например...
Можно удалить значения которые одинаковые подряд идут...
Получилось не плохое сжатие информации , плюс фильтрация .. Возможно паттерны искать на таком графике легче будет для модели..
получилось ренко
А кто то пробовал использовать "круглые уровни" как признаки?
Или как способ обработки цены ?
можно заметь цены круглыми значениями например...
Можно удалить значения которые одинаковые подряд идут...
Получилось не плохое сжатие информации , плюс фильтрация .. Возможно паттерны искать на таком графике легче будет для модели..
да
жесткая перерисовка
Потому что это невозможно обучить, будет застревание солвера в локальных минимумах. По поводу идей - ничего нельзя оттуда вытащить, т.к это чёрный ящик
Про застревание - возможно надо менять способ корректировки ошибки.
Ну почему черный ящик, если там всего 2-3 слоя, то вполне реально расковырять по коэффициентам. Малые коэффициенты тут можно огрубить и обнулить, что уменьшит число входов в нейрон.
Если предикторы - это цены, то по 3-5 баров слева и справа очень коррелированы с центральным баром, исключения редки во время резких скачков цены. Берите каждый пятый-седьмой бар и получите примерно то что вы хотите. Или переходите на старший таймфрейм. Или отсейте предикторы проверив их по взаимной корреляции. Основатель этой ветки тоже прореживал бары, посчитайте его блог.
Предикторы не цены в голом виде - много относительных точек, которые могут быть похожи...
Не уверен, что отсев по корреляции будет эффективен...
Я бы для начала рекомендовал очистить данные от мусорных признаков ...
Представь - есть у тебя 10 признаков, 9 из них мусорные, сжал ты это все в один признак И ЧЕ ???
И какой метод для очистки порекомендовать можете?
А кто то пробовал использовать "круглые уровни" как признаки?
Или как способ обработки цены ?
можно заметь цены круглыми значениями например...
Можно удалить значения которые одинаковые подряд идут...
Получилось не плохое сжатие информации , плюс фильтрация .. Возможно паттерны искать на таком графике легче будет для модели..
Планирую делать предикторы, логика тут в том, что на уровнях опционные страйки, поэтому это может быть полезным для Moex.
Графики интересные, на MQL бы алгоритм быстрый получить...Про застревание - возможно надо менять способ корректировки ошибки.
Ну почему черный ящик, если там всего 2-3 слоя, то вполне реально расковырять по коэффициентам. Малые коэффициенты тут можно огрубить и обнулить, что уменьшит число входов в нейрон.
что значит "возможно надо менять" учите матчасть и как работают ф-ии активации. Или разрабы сетей такие тупые, что не догадались бы
зачем вообще во все это лезть и изобретать велосипед, не имея ни профильного образования, ни математического? Это тупо потеря времени. Есть технологии и написано как они должны использоваться
что значит "возможно надо менять" учите матчасть и как работают ф-ии активации. Или разрабы сетей такие тупые, что не догадались бы
потому что это переливание из пустого в порожнее, одни предположения и ноль конкретики. Обучили автоэнкодер, загнали фичи в бустинг или НС, показали результат. Все. Ничего не надо расковыривать. Глубокие архитектуры собираются не для того, чтобы их расковыривали, а чтобы уменьшить аналитическую рутину.
зачем вообще во все это лезть и изобретать велосипед, не имея ни профильного образования, ни математического? Это тупо потеря времени. Есть технологии и написано как они должны использоваться, это все. Над этим работает куева хуча народу.
Если бы готовые решения из коробки решали задачи, что я ставлю перед ними, то ничего придумывать было не надо, но, увы.
Сейчас готовлю большую выборку и буду обучать много моделей на CatBoost, есть идеи, как оценить качество модели с целью дальнейшего их успешного применения в реальном времени - буду делится результатами исследования.
Если бы готовые решения из коробки решали задачи, что я ставлю перед ними, то ничего придумывать было не надо, но, увы.
Сейчас готовлю большую выборку и буду обучать много моделей на CatBoost, есть идеи, как оценить качество модели с целью дальнейшего их успешного применения в реальном времени - буду делится результатами исследования.
не подходит катбуст для решения задач прогнозирования временных рядов, не работает он с последовательностями
чисто поиграть с классификацией можно, но толку не будет