Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2809

[Удален]  
mytarmailS #:
.
Обученая сеть или любой АМО обученый или даже Машка, это память..  Да,  можно принять такую аналогию.. 

Но когда ты "дообучаешь" обученую нейронку, ты изменяешь веса,  те забываешь прошлое в угоду текущему... 

Те это не дообучение,  переобучение на каждом шаге,  та же Машка в скользящем окне,  что за пределами скользящего окна она не помнит, хоть и была там.. 

там целый зоопарк подходов, можно на гитхабе найти реализации, для питона видел

 
Maxim Dmitrievsky #:

там целый зоопарк подходов, можно на гитхабе найти реализации, для питона видел

решений то может и много, но какое качество этих решений и насколько они рабочие в реальных задачах

 
mytarmailS #:
Если бы Алексей хотел думать и слушать, то там с моим скриптом все рашаеться на 2 минуты.. 

Любопытные оценочные суждения. Вы не услышали, что я Вам написал. Нужен пример?

 
Aleksey Vyazmikin #:

Любопытные оценочные суждения. Вы не услышали, что я Вам написал. Нужен пример?

да, читал ...  столько ошибок в мышлении на нестолько строк текста давно не видел..

ну пример в студию )

 
mytarmailS #:
Ты понимаешь что такое корреляция вообще? Ты такую чушь говоришь что меня потряхивать начинает

Вот Вам пример того, о чём я говорю - желтая обрезанная выборка и целая зеленая - размышляйте.


 
Aleksey Vyazmikin #:

Вот Вам пример того, о чём я говорю - желтая обрезанная выборка и целая зеленая - размышляйте.

Тебе до сих пор в голову не пришло что никому не понятно что значат твои таблички,  может надо обозначить значение каракулек? )) 
 
mytarmailS #:
Тебе до сих пор в голову не пришло что никому не понятно что значат твои таблички,  может надо обозначить значение каракулек? )) 

Я думаю, Вам стоит быть сдержанней. Разочарование жизнью оставить собутыльнику или священнику.

Очевидно, что Pn - предикторы, а K - коэффициент корреляции. На примере показано, как может измениться коэффициент, если другие 50% данных изменят свою последовательность. Ваш подход может быть применен только к стационарным данным, с неизменной зависимостью, что в нашем случае не имеет места быть. Поэтому, рекомендую думать, прежде чем ехидничать.

 
Aleksey Vyazmikin #:

 Поэтому, рекомендую думать, прежде чем ехидничать.

Про думать....

Вопрос зачем перебирать все варианты кореляции признаков от 0,1...0,2...0,7...0,8  тем саммым увеличивая и без того огромный масив работы для алгоритма?

даже сгенерированый случайный шум может чисто случайно коррелировать с предиктором и на 0,6 и на 0,8 , редко больше ...

Из этого следует что глупо брать порог корреляции меньше 0,8  , но ты решыл делать полный перебор что говорит о том что ты вообще не думаешь что делаешь..

Так что имею право поехидничать, считаю так.. 

Aleksey Vyazmikin #:

Очевидно, что Pn - предикторы, а K - коэффициент корреляции. 

Очевидно.. ))) ето писец... А в чем очевидность то стесняюсь просить?  какой алгоритм расшыфровки я должен был применить чтобы это стало очевидно?  

Ну ты хоть капельку думаешь что говориш?

Aleksey Vyazmikin #:

 Ваш подход может быть применен только к стационарным данным, с неизменной зависимостью, что в нашем случае не имеет места быть.

Это не мой подход, а твой , и он изначально был ущебрный, и тебе об этом говорили трое человек

 
mytarmailS #:

Про думать....

Вопрос зачем перебирать все варианты кореляции признаков от 0,1...0,2...0,7...0,8  тем саммым увеличивая и без того огромный масив работы для алгоритма?

даже сгенерированый случайный шум может чисто случайно коррелировать с предиктором и на 0,6 и на 0,8 , редко больше ...

Из этого следует что глупо брать порог корреляции меньше 0,8  , но ты решыл делать полный перебор что говорит о том что ты вообще не думаешь что делаешь..

Я скажу лишь, что провожу эксперименты и делаю выводы.

mytarmailS #:

Очевидно.. ))) ето писец... А в чем очевидность то стесняюсь просить?  какой алгоритм расшыфровки я должен был применить чтобы это стало очевидно?  

Исходя из контекста обсуждения это очевидно.

mytarmailS #:

Это не мой подход, а твой , и он изначально был ущебрный, и тебе об этом говорили трое человек

Какой Ваш подход? Какой мой подход? Я не понимаю о чём глобально речь.

Вы, в частности, утверждали, что модель на выборке нельзя будет обучить - Вы ошиблись.

 
Maxim Dmitrievsky #:

память - это НС с весами обученная, ты на каждом шаге ее дообучаешь, немного двигаешь веса.. не намного, поэтому запаздывание

и в терминал это хрен перенесешь потом

Пробовал, нихрена не работает, все опять же упирается в признаки. 


Кому интересно, кидаю конструктор мультивалютного тестера со спредом, примитивным лотом и намеком на открытие закрытие позиций с дробным лотом. 

Для работы тестера надо подготовить датафрейм с столбцами ['open', 'spread], а также в signal кинуть numpy массив формата х (n,2) с прогнозами вероятностями бай/селл   на каждый новый бар. Тестер работает из цикла, ниже представлен пример инициализации использования тестера

symbols = ['EURUSD','GBPUSD']
points = [1 / mt5.symbol_info(s).point for s in symbols]

trade_agent = Agent()
for s, p in zip(symbols, points):
        trade_agent.create_symbol(s, p,max_positions=6)

for index, row in dataset.iterrows():
        sig = signal[index]
        prices = list(row.filter(like='open'))
        spreads = list(row.filter(like='spread'))

        if index != len(dataset) - 1:
            trade_agent.refresh(prices, [sig], spreads)
        else:
            trade_agent.stop = True

логику торговли и лот можно корректировать в методе transcript_sig объекта Symbol

    def transcript_sig(self,sig):
        act = 0
        lot = 1
        revers = 0
        if len(sig)==4:
            pass
        else:
            act = sig

        if revers<=0.5:
            if np.argmax(act) == 0:
                return 'buy',lot
            if np.argmax(act) == 1:
                return 'sell',lot
        else:
            if np.argmax(act) == 0:
                return 'sell',lot
            if np.argmax(act) == 1:
                return 'buy',lot


        return self.last_action,lot


Результаты теста лежат в словаре  trade_history_data, для общего теста и  trade_symbol_data каждого  символа. 

        self.trade_history_data = {'step': [],
                                   'acc_profit': [],
                                   'acc_balance': [],
                                   'acc_equity': [],
                                   'lots_open': [],
                                   'R2_balance': [0,0,0,0]}

там списки, если кто хочет что то оптимизировать или менять -  велком)

Файлы:
Tester.py  12 kb