Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3541

[mytarmailS]

Maxim Dmitrievsky #:
Ее невозможно подобрать с потолка, надо же смотреть на данные 😀

ну зигзаг там точно не в касу, и разворты тоже, есть не четкая состовляющая..

[Maxim Kuznetsov]

mytarmailS #:

не надо выдумывать то чего нет..

АМО доступно только одно последнее значение машки и последнее значение RSI..  ВСЕ!!!

никаких матриц , шматриц там нетути

ЕСТЬ. Система с памятью. В процессе обучения вы её наполняете.

С матрицами видимо не вполне понятно, тут люди в основном думают алгоритмами.

Основные шаги алг. "восстановление ценового ряда из ряда SMA(period)"

- начальный K=1, считаем последняя цена Last = K*последнее_значение SMA 

- используя обратную инкрементную ф-лу SMA получаем приближённый ряд цен P 

- варьируем K, минимизируя например разброс цен (максимум-минимум) в ряде P

MA это не фильтр, она ничего не выбрасывает, это масштабирование. Это те-же самые цены в искривлённом виде, эквивалент ценового ряда.

Собственно это причина почему ТС категоричен в одновременном использовании цен и их MA в обучении. Глупость же получится - цены и опять цены.

[mytarmailS]

Maxim Kuznetsov #:

ЕСТЬ. Система с памятью. В процессе обучения вы её наполняете.

Дай бог здоровья тому кто понял что вы написали

[[Удален]]

mytarmailS #:
Дай бог здоровья тому кто понял что вы написали

Там набор слов рандомных

[mytarmailS]

Также синтетическую цену можно гипотетически принять за "справедливую"  цену, и ловить всякие дивергенции или отклонения реальной цены от синтетической...

Те предположыть что синтетическая цена от модели и есть настощая цена,  а отклонения рельной цены от синтетической говорит о неком вмешательстве в рынок и ети вмешательства анализировать... 

Такое.. Но пофантазировать можно.. 

[Maxim Kuznetsov]

Maxim Kuznetsov #:

С матрицами видимо не вполне понятно, тут люди в основном думают алгоритмами.

mytarmailS #:
Дай бог здоровья тому кто понял что вы написали

Maxim Dmitrievsky #:
Там набор слов рандомных

вспылил, был не прав...люди тут вообще не думают

[[Удален]]

mytarmailS #:
Также синтетическую цену можно гипотетически принять за "справедливую"  цену, и ловить всякие дивергенции или отклонения реальной цены от синтетической...

Те предположыть что синтетическая цена от модели и есть настощая цена,  а отклонения рельной цены от синтетической говорит о неком вмешательстве в рынок и ети вмешательства анализировать... 

Такое.. Но пофантазировать можно.. 

Ну это просто регрессия признаков на цены, а разница между исходным рядом и ее значениями - остатки. В остатках могут быть какие-то неэффективности, которые могут стать сигналами.

Самая простая проверка - это предсказывать следующий бар, а не текущую цену :) и там у тебя все поломается, это будет истинная эффективность такого построения. То есть будет видно среднюю ошибку именно предсказания для такой модели.

Но ты можешь отфильтровать эти прогнозы в обоих случаях, поискать неэффективности, а не использовать все прогнозы.

Можно, например, сделать кластеризацию и посмотреть в каком кластере ошибка меньше. На этих кусках запилить тс попробовать.

[[Удален]]

Maxim Kuznetsov #:

вспылил, был не прав...люди тут вообще не думают

Просто люди знакомы с регрессией и как она считается :)  не какая-то система с памятью, а подбираются коэффициенты регрессии для минимизации ошибки между ценой и машкой.

Лишние слова просто, сильно сложно описано.

И МА это тоже фильтр.

[Aleksey Vyazmikin]

Maxim Kuznetsov #:

вспылил, был не прав...люди тут вообще не думают

Если неизвестно, что он подал на вход, то сложно рассуждать. Он же мог подавать как только последнее значение, так и какой то вектор из, допустим, чётных значений баров или свёртку.

Без конкретики такие темы обсуждать не интересно.

[[Удален]]

Придумал такую последовательность.

1. предсказываешь на 1 бар вперед, смотришь ошибку на новых данных. Так для всех наборов признаков.

2. выбираешь модель с меньшей ошибкой.

3. Делаешь кластеризацию/фильтрацию предсказаний, выбираешь кластер с наименьшей ошибкой, где модель меньше всего ошибается.

4. Делаешь субкластеоизацию по уже найденным кластерам, если ничего не нашел на 3 этапе.

5. Придумываешь правила торговли для лучшего кластера. При этом можешь сместить модель обратно на 1 бар назад, если тебе так проще получать сигналы.

Поскольку модель линейная и поэтому быстрая, можно перебирать фичи и их комбинации в цикле или через оптимидздацию.

Примерно такой подход использую для классификации. Он логичный и нэчурал и понятный.

В итоге ты просеиваешь через сито весь рандом и оставляешь сигналы. Могут быть варианты, это просто общий план.