Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3470

Новый комментарий
mytarmailS #:

Картинки из моего второго поста это прогнозы МО, но картина та же

Видимо ваша МО научилась торговать возврат к среднему. Дешевое - покупай, дорогое - продавай.

[Удален]
mytarmailS #:

это картинка с FXSSI, это агрегатор многих дц, хоть и криво там реальзивано сопоставление ДЦ-шек но для первоначальной оценки, вполне..

А может они делают так специально, потому что реальная инфа об открытых позах помогла бы торговать прибыльно? )

Forester #:

Видимо ваша МО научилась торговать возврат к среднему. Дешевое - покупай, дорогое - продавай.

Попробуйте свою МО и посмотрите результат
Maxim Dmitrievsky #:

А может они делают так специально, потому что реальная инфа об открытых позах помогла бы торговать прибыльно? )

Они с торгами не связаны, просто ретратсляторы.. 
А ДЦшки дают свои данные с небольшими задержками, этого достаточно чтобы в лоб на этом было не возможно заработать
Forester #:

Видимо ваша МО научилась торговать возврат к среднему. Дешевое - покупай, дорогое - продавай.

Еще один експеримент

Тренируем модель понимать в каком состоянии зигзага мы находимся, в падении или в росте. Те мы ничего не прогнозируем, реальное распознавание.

Те целевая = "ЗЗ сейчас падает или растет"

Признаки = нормализированые цены в ск. окне 10

Данные = миллион м5 евры

трейн = 50к 


Считаем прирост капитала БЕЗ коммисии.

Слева от вертикальной синей линии трейн


Ну понятно, обучилась модель хорошо, но на новых данных сливает (все как обычно)





А теперь давайте перевернем сигналы и будем

торговать наоборот (вместо бай-сел вместо сел-бай)


ГРРААЛЬ? ))


код ниже

library(randomForest)
d <- file.choose() |> read.csv(sep = "", check.names = FALSE)

X <- d$`<CLOSE>` |> rollapplyr(width=10, \(x) x[10]-x, by.column = FALSE)
Y <- d$`<CLOSE>` |> ZigZag(percent = FALSE, change = 0.001) |> diff() |> sign() |> append(0,0) |> tail(nrow(X)) |> as.factor()
close <- d$`<CLOSE>` |> tail(nrow(X))

tr <- 100:50000
rf_pred <- randomForest(Y[tr]~., X[tr,], ntree=100) |> predict(X) |> as.character() |> as.numeric()

count_balance <- function(prices, signal) c(0,diff(prices) * signal[-length(signal)]) |> cumsum()

bal <- count_balance(close, rf_pred/-1)

par(mar=c(2,2,2,2))
plot(bal, t="l", main="РЕВЕРС СИГНАЛОВ торговли модели")
abline(v=50000, col=4, lty=2)
abline(h=0, col=2)



Кстати на синтетических ценах ефект идентичен, кто может ояснить этот ефект? Ето как то связано с трендом в данных?


mytarmailS #:

Еще один експеримент

Тренируем модель понимать в каком состоянии зигзага мы находимся, в падении или в росте. Те мы ничего не прогнозируем, реальное распознавание.

Те целевая = "ЗЗ сейчас падает или растет"

Признаки = нормализированые цены в ск. окне 10

Данные = миллион м5 евры

трейн = 50к 


Считаем прирост капитала БЕЗ коммисии.

Слева от вертикальной синей линии трейн


Ну понятно, обучилась модель хорошо, но на новых данных сливает (все как обычно)





А теперь давайте перевернем сигналы и будем

торговать наоборот (вместо бай-сел вместо сел-бай)


ГРРААЛЬ? ))


код ниже



Кстати на синтетических ценах ефект идентичен, кто может ояснить этот ефект? Ето как то связано с трендом в данных?


Я обучаю только валкинг форвардом. Трейн больше теста в 10 и более раз. В результатах либо слив как у вас, либо горизонтальная болтанка. С комиссией.
Зачем вы время тратите на тесты без комиссии - непонятно. В реальности она будет. И надо добавить еще проскальзывания и т.п.
Обучал сторонним софтом БЕЗ СПРЕДА на М1 (или М5, не помню)

Результат 400 000 мать его пунктов прибыли

Включаешь спред - пикирование. 



То есть, нейронка способна ходить за ценой и выигрывать пункты, но почему они лежат на уровне спреда и комиссии - непонятно
Forester #:
Я обучаю только валкинг форвардом. Трейн больше теста в 10 и более раз. В результатах либо слив как у вас, либо горизонтальная болтанка. С комиссией.
Зачем вы время тратите на тесты без комиссии - непонятно. В реальности она будет. И надо добавить еще проскальзывания и т.п.

Вы не поняли сути примера и потеряли контекст разговора... комисия и волк форвард там вообще нипричем

[Удален]
Ivan Butko #:
Обучал сторонним софтом БЕЗ СПРЕДА на М1 (или М5, не помню)

Результат 400 000 мать его пунктов прибыли

Включаешь спред - пикирование. 



То есть, нейронка способна ходить за ценой и выигрывать пункты, но почему они лежат на уровне спреда и комиссии - непонятно

Я это объясняю тем, что на мелких ТФ маленькая средняя норма прибыли на каждую сделку - несколько пунктов. А НС и так усредняет (аппроксимирует) все, то есть сделки не покрывают спред/комиссию/проскальзывания после обучения. Можно пытаться калибровать модель и использовать только высокие вероятности.

Но есть способ лучше - обучать НС на часовках, брать сигналы с них, а торговать на мелких ТФ, добавлять сделок искусственно на каждом баре, усреднять позиции. Сделок будет тоже много.

Кто ненавидит часовые бары - можно взять тот же зигзаг по тикам. Или построить какие-то свои собственные бары. Хоть ренко хоть что угодно, вообще без разницы.
Maxim Dmitrievsky #:

Я это объясняю тем, что на мелких ТФ маленькая средняя норма прибыли на каждую сделку - несколько пунктов. 

Это согласуется с тем, что все известные НС в маркете имеют короткий тейк. 

Ни разу не видел НС, натренированную на классический подход TP:Sl 3:1 

1...346334643465346634673468346934703471347234733474347534763477...3745
Новый комментарий