Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3350

Новый комментарий
 
Evgeni Gavrilovi #:

Вы всегда писали, что ценовые приращения не имеют никакой предсказательной способности. Но все равно продолжаете только их использовать. Почему?)

цена должна рассказывать  о себе

[Удален]  
Evgeni Gavrilovi #:

Вы всегда писали, что ценовые приращения не имеют никакой предсказательной способности. Но все равно продолжаете только их использовать. Почему?)

Я писал? Вроде это больше писали оппоненты. 
Ну если рассматривать исключительно временной ряд, то особого выбора нет. Еще про дробные приращения писал в одной из статей. В них как будто бы немного больше информации сохраняется.

Если брать просто обучение на приращениях, безо всяких ухищрений, то дробное дифференцирование действительно немного выигрывает, по результатам на новых данных.

Еще делал эксперименты с автоматическим созданием признаков, которые ни к чему не привели. Потом понял, что проблема в разметке и в соотношении типа сигнал/шум, что это надо исправлять другими способами, а не перебором признаков. Ну и пошло-поехало, всякие сумасшедшие на тот момент идейки. А потом узнал, что в общем-то так и надо :)

Этому же типа никто не учит, нет никаких гуру. Не к кому обратиться.

Когда в МТ5 еще обучал нейросети - экспериментировал. Потом почувствовал, что среда   Мт5 душит в плане МО, ушел в питон.
 

Предлагаю всем знатокам машинного обучения проверить свои модели на моих данных. 

Индекс мировых государственных облигаций для предсказания курса евро-доллара, таймфрейм 15 минут. 

https://drive.google.com/file/d/1W4TOLbZCTCs3hEvGvptGxvTE6_r2TrWW/view

 
Maxim Dmitrievsky #:
Последние мои 2 статьи, на простом уровне и без нюансов, практически описывают все эти подходы.  Скажем, не описывают, но приближаются. Сейчас уточняю детали, чего они там наисследовали. Например, индуктивная от трансдуктивной конформности отличается только одним или двумя классификаторами, отдельно для каждой метки класса. Вторая лучше (точнее) оценивает постериор. А я использовал индуктивный метод. Еще там нужно переобучать модели с добавлением и выбрасыванием каждого семпла, для более точной оценки. Это очень дорого, но вроде как эффективно. Но можно брать простые и быстрые классификаторы. О чем я тоже писал, обучаясь на пнях.

Не вижу аплодисментов для моей гениальности



такой да?


[Удален]  
Renat Akhtyamov #:

такой да?


Нет, пока не выучишь МО и питон - не оценишь :)
 

Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий

Обсуждение статьи "Тесты на перестановку Монте-Карло в MetaTrader 5"

fxsaber, 2023.12.19 19:25

Используемый алгоритм перестановки.

  1. Создается массив логарифмированных приращений (между соседними тиками) bid/ask.
  2. Этот массив перемешивается. Причем сильно.
  3. Создается новый массив тиков через приращения из п.2.

Такой подход убивает напрочь все закономерности (если они были), что были в исходном ряде. Т.к. на выходе получаем случайное блуждание.


Нельзя так делать.

 
Скорее всего СанСаныч использует приращения посчитанные от 0 бара (можно назвать кумулятивным приращением), а не приращения между соседними барами.
Кумулятивное приращение к 100му бару будут выглядеть как: 405,410,408 пт,  а побарные приращения так и останутся 5,4,-2 пт ...
На кумулятивных тренды остаются, на побарых - почти не заметны. Ну а если их перемешать, как в статье, то останется блуждание около 0.
Мне казалось тут все от 0 бара приращения считают...
[Удален]  

Обычные приращения с произвольным лагом. Без логарифмов и нулевых баров. Вопрос был про признаки. Основная проблема там - низкий signal/noise ratio. Но они содержат всю информацию.

Глухой телефон эволюционирует :)

Последние статьи вообще не читаю, особенно плодовитых авторов-водометов, с целыми циклами воды :)
 
Maxim Dmitrievsky #:

Обычные приращения с произвольным лагом. Без логарифмов и нулевых баров. Вопрос был про признаки. Основная проблема там - низкий signal/noise ratio. Но они содержат всю информацию.

Понятно, что всю. Но если использовать приращения между соседними барами, то чтобы понять, что был тренд за последние 100 баров, модель должна все 100 баров сложить и получить приращение от 0 бара. А подавая сразу от 0 бара, - мы облегчаем ей работу.
Возможно нейросети и смогут учесть все 100 приращений и найти тренд, но деревянные модели вряд ли. Вы сами говорили (и у меня такой же результат), что лучше всего модели работают на нескольких  признаках (до 10), а из 10 не сложится полный тренд из 100. Да и кроме приращений могут найтись признаки более полезные.

Поэтому мой произвольный лаг для приращений - всегда от 0 бара, чтобы модель видела тренд. Приращения между соседними барами - вообще никогда не использовал, т.к. считал их шумом. Например приращение в 0.00010 пт между 120 и 121 баром, т.е. 2 часа назад, какое может иметь влияние на текущую ситуацию? - Никакого.

[Удален]  
Forester #:

Понятно, что всю. Но если использовать приращения между соседними барами, то чтобы понять, что был тренд за последние 100 баров, модель должна все 100 баров сложить и получить приращение от 0 бара. А подавая сразу от 0 бара, - мы облегчаем ей работу.
Возможно нейросети и смогут учесть все 100 приращений и найти тренд, но деревянные модели вряд ли. Вы сами говорили (и у меня такой же результат), что лучше всего модели работают на нескольких  признаках (до 10), а из 10 не сложится полный тренд из 100. Да и кроме приращений могут найтись признаки более полезные.

Поэтому мой произвольный лаг для приращений - всегда от 0 бара, чтобы модель видела тренд. Приращения между соседними барами - вообще никогда не использовал, т.к. считал их шумом. Например приращение в 0.00010 пт между 120 и 121 баром, т.е. 2 часа назад, какое может иметь влияние на текущую ситуацию? - Никакого.

Тренд - это смещение среднего приращений. То есть на диаграмме приращений он тоже есть.  Про много признаков проблема объясняется с точки зрения конфаундеров, то есть сложнее становится отделить влияние каждого признака ото всех остальных. Ведь каждый вносит доп. ошибку в финальную оценку. Осложняется причинно-следственный вывод, добавляется неопределенность. Видимо, есть какое-то ограничение на сложность модели на форе, которое зависит от signal to noise ratio.

Лаг приращений напрямую связан с продолжительностью предсказываемой сделки в барах. Например, если продолжительность 1 бар, то лучше взять приращения с маленьким лагом и небольшой глубиной окна. При увеличении продолжительности сделок лаг приращений тоже увеличивается естественным образом. Ну и спред конечно влияет.
1...334333443345334633473348334933503351335233533354335533563357...3745
Новый комментарий