Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2473
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
Добрый день!
Один светлый ум говорил: - нейросеть нейросетью, но фундамент ломает всё.
Т.е. мы занимаемся впустую? Или как?
Прошу обьяснить мне неучу.
Сейчас зарабатывают команды - то есть трейдер проигрывает на уровне организации дела.
Каждый должен заниматься своим делом.
Долгосрочно, трейдер может торговать, но чем ниже к уровню шума, тем сильнее нужна организованная команда. А там одному трейдеру зарабатывать и не с кем не делиться, это бред.
Нужен адекватный риск менеджер
Адекватные трейдера
Адекватные кванты
Девочки которые обрабатывают клиентуру фонда
Может где то есть на неорганизованных рынках, но на данный момент все не эффективности, быстро исчезают.
есть теханализ который хуже или лучше но работает при любом фундаменте, нейросеть занимается теханализом, а значит может предсказывать когда фундамент не сильно влияет
Time-Management никто не отменял ни при какой автоматизации... раз в 2 недели (когда заседает FOMC) - не стоит полагаться на ТА, только FA (и какие-то предпосылки в DB)... он кстати заседает (принимает решения по текущим делам своего BP Balance of Payment) и говорит - в разное время... так что - как услышали, как поняли в момент, когда говорит, уже не имеет значения, а всё равно retail-trader (как самый неинформированный) поймёт лишь "а-посля"... но все нюансы тайминга (кто когда и для чего выходит в рынок) надо представлять себе хотя бы в общих чертах...
Я проще видео запишу и залью на ютуб, проще показать наглядно чем писать тонны текста.
То что сделал полный автомат, это круто но беда то в том что на новых данных модели такого типа сразу уходят в небитье и не помогает им ни кросвалидацыя ни что то другое..
И не важно какие опорные функции использовать
будь то апроксимация полиномами (как у тебя) или
каскад из фильтров (ЦОС) или
автоматически созданый каскад фильтров (многослойная нейронная сеть) или
каскад приближений из линейной регресии (МГУА) или
приближение обычными гармониками итд..
по сути не важно какими опорными функциями приближать (апроксимировать) , грубо это все одно и тоже , проблемма в другом
либо данные не те, либо обучаем не тому что надо, так как результат у всех методов одинаков..
+1
Time-Management никто не отменял ни при какой автоматизации... раз в 2 недели (когда заседает FOMC) - не стоит полагаться на ТА, только FA (и какие-то предпосылки в DB)... он кстати заседает (принимает решения по текущим делам своего BP Balance of Payment) и говорит - в разное время... так что - как услышали, как поняли в момент, когда говорит, уже не имеет значения, а всё равно retail-trader (как самый неинформированный) поймёт лишь "а-посля"... но все нюансы тайминга (кто когда и для чего выходит в рынок) надо представлять себе хотя бы в общих чертах...
в... Вы.... сами.... торгуете....?
FOMC.... заседает.... не.... два.... раза.... в.... месяц, а....8..... раз.... в.... год....
То что сделал полный автомат, это круто но беда то в том что на новых данных модели такого типа сразу уходят в небитье и не помогает им ни кросвалидацыя ни что то другое..
И не важно какие опорные функции использовать
будь то апроксимация полиномами (как у тебя) или
каскад из фильтров (ЦОС) или
автоматически созданый каскад фильтров (многослойная нейронная сеть) или
каскад приближений из линейной регресии (МГУА) или
приближение обычными гармониками итд..
по сути не важно какими опорными функциями приближать (апроксимировать) , грубо это все одно и тоже , проблемма в другом
либо данные не те, либо обучаем не тому что надо, так как результат у всех методов одинаков..
Тут есть доля правды, но свою модель я проверял, там главное знать на какой форвард рассчитываем. Проблема в переобучении, чтобы не переобучалось нужно стремиться к максимальному отношению количества анализируемых данных к итоговому набору критериев, иначе говоря тут происходит сжатие данных, например можно проанализировать данные графика параболы и взять несколько тысяч точек а свести все к трем коэффициентам A*X^2 + B*X + C. Вот там где качество сжатия данных выше там и есть форвард. Переобучение можно контолировать введя правильные скалярные показатели ее качества которые учитывают это сжатие данных. В моем случае это делается проще - берется фиксированное количество коэффициентов а размер выборки берется как можно больше, это менее эффективно но работает.
https://www.mql5.com/ru/forum/231011
https://squeezemetrics.com/download/The_Implied_Order_Book.pdf
Тут есть доля правды, но свою модель я проверял, там главное знать на какой форвард рассчитываем....
Я не очень вас понял, ну да ладно, это моя проблема что я плохо учился, я смотрю уже немного по другому на алгоритмы для трейдинга, больше в сторону асоцыатиных правил и генетического поиска правил или формул, типа символьной регресии ипт.. Но если у вас получилось заставить работать обычные модельки на новых данных то очень интересно послушать об этом..
https://www.mql5.com/ru/forum/231011
https://squeezemetrics.com/download/The_Implied_Order_Book.pdf
Спасибо почитаю...
Я тоже люблю майтрейда, смотрел видосик его раз 8 наверное, ниодного лишнего слова нет...
На счет кукла, думаю все гораздо проще : биржа жывет с комисии , и если большынство хочет купить , а это заявки на покупку ниже текущей цены то бирже выгодно удовлетворить покупателей потому что их больше, а значит комисии (бабла) больше можно заработать, потому цена и падает и наоборот с продавцами...
Как она это делает , тупо печатает цену или манипулирует стаканом или еще как я не знаю но думаю суть именно такая..
Потому цена и ходит в противоход позициям учасников
Я не очень вас понял, ну да ладно, это моя проблема что я плохо учился, я смотрю уже немного по другому на алгоритмы для трейдинга, больше в сторону асоцыатиных правил и генетического поиска правил или формул, типа символьной регресии ипт.. Но если у вас получилось заставить работать обычные модельки на новых данных то очень интересно послушать об этом..
Да у меня получилось, качество не прям такое как на участке обучения но всегда часть этого качества сохраняется, и по моим исследованиям форвард от 10 лет истории может быть до года, в среднем 2-3 месяца это работает на достаточно хорошем качестве, относительно участка обучения процентов 60-70 в среднем наверное. Нейросеть даст более лучшие показатели, но там нужно уже как раз эти критерии переобучения добавлять, вводить комбинированные показатели что-то типо весов, чтобы количество данных давало вес определенный, потом качество итогового бексеста например математическое ожидание или профитка и конечно же сложность итогового алгоритма который получился ( количество всех весов всех перцептронов например ). Чтобы достичь в нейросети этого, вид нейронов должен быть как можно более разный, и количество слоев и их состав тоже должен быть произвольным, тогда такое возможно. Все в основном используют нейросеть фиксированной архитектуры, но почему-то не понимают что архитектура тоже должна быть гибкой, уничтожая эту гибкость уничтожаем саму возможность минимизировать переобучение. В целом конечно эти же критерии можно применять и для простых моделек, даже нужно, тогда точно будет хороший форвард, моя модель пару месяцев точно дает вперед прибыли а обновляться настройки в течение одного дня могут . Одна из основных хитростей брать именно как можно больше данных ( 10 лет истории и выше ), в таком случае идет поиск глобальных закономерностей, а они основаны на физике самого рынка и в большинстве случаев еще очень долго работают.
Да у меня получилось, качество не.....
10 лет для обучения, это дествительно много, если не пользоваться стандартными оптимизороваными библиотеками на которых можно только зигзаг и цвет свечи прогнозировать , а писать что то более мение свое с многокритериальной фитнес функцыей то считать будет очень долго, нужно сильное железо, я тоже уперся в потолок с железом, но есть решение этой проблемы
если не читал, то тебе очень понравиться я уверен, там про критерии качества модели есть интересные мысли