Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3603

Maxim Dmitrievsky #:

Идею подхода уже описывал по ссылкам. Датасет группируется на похожие кластеры (паттерны, если угодно) по признакам. И метки для заданного (subset_size) кол-во кластеров исправляются, то есть все метки становятся 1 или 0, в зависимости от того, чего больше в кластере. Это убирает неоднозначность для финальной модели, она перестает переобучаться на шум и делать лишние сплиты.

А нужна ли финальная модель? Может просто ставшие 1 кластеры и торговать?. Предполагаю, что графики тоже неплохие будут.

Aleksey Nikolayev #:

Может кому интересно - суточные колебания спреда EURUSD в этом году. Интересна природа небольших пиков в моменты времени ХХ:00 (помечены серыми вертикальными линиями).

На золоте, например, такие пики представлены гораздо слабее.

Возможно, к круглым ценовым уровням пора добавить круглые временные)

Наверное это десятки-сотни тысяч роботов торгующих на H1, М30, М15 открывают/закрывают позиции и на несколько секунд разбирают ликвидность вверх и вниз от текущей цены. Что и повышает спред.
И разные 14:15, 15:30... - время выхода важных новостей. Тоже самое - разбирают ликвидность большим числом почти одновременных сделок в обоих направлениях.

Forester #:

А нужна ли финальная модель? Может просто ставшие 1 кластеры и торговать?. Предполагаю, что графики тоже неплохие будут.

Тоже подумал, зачем тогда модель
Maxim Dmitrievsky #:
Я не делал подобные замеры, потому что на них нужно потратить много времени, чтобы иметь достоверную статистику. Некоторые алгоритмы стоят на реалах, плюсуют. 

Годные кривульки получаются почти после каждого обучения, в зависимости от настроек алгоритма.  Обучение происходит очень быстро, это было приоритетной задачей.

Периодически придумываю что-нибудь новое. Если новое оказывается лучше старого, значит в правильном направлении движусь.

Мне нравится, что эти ТС деревянные (в смысле дубовые) и торгуют часто на часовках. Их сложно поломать спредом или новостями. За ними почти не надо следить.

В общем в моём случае никак не хочет работать. Попробовал разметку по каждому бару H1 - и разное число кластеров - нужных кластеров находится не более 1%, и то процесс не постоянен и смещение вероятности не устойчивое. Видимо, это уже вопрос везения.

[Удален]
СанСаныч Фоменко #:

Вот статистика по часовикам 35000 бар

Половина имеет приращение менее 4 пипсов, а 75% менее 9 пипсов в четырех знаке.

Если учесть, что стоп должен быть меньше прибыли, т.е. нужны метки с приростом свыше хотя бы 15 пипсов, то на часовиках ничего построить невозможно.


Что-то слабо вырисовывается на Н2

И что-то можно обсуждать в смысле спреда на Н3

Размечаются только прибыльные сделки с учётом маркапов.

Начиная с 1 бара проход вперёд и остановка на ближайшем баре, где есть прибыль. Для разметки следующей сделки возврат к начальной позиции начала разметки предыдущей сделки +1бар.

[Удален]
Forester #:

А нужна ли финальная модель? Может просто ставшие 1 кластеры и торговать?. Предполагаю, что графики тоже неплохие будут.

Торгуйте, кто запретит. Использую более гибкую систему, которая включает наборы кластеров для финальной модели.
[Удален]
Aleksey Vyazmikin #:

В общем в моём случае никак не хочет работать. Попробовал разметку по каждому бару H1 - и разное число кластеров - нужных кластеров находится не более 1%, и то процесс не постоянен и смещение вероятности не устойчивое. Видимо, это уже вопрос везения.

Значит подходит только для моей системы обучения, которая вырисовывалась пару лет. Либо что-то не так делаете.
Maxim Dmitrievsky #:
Торгуйте, кто запретит
Я сейчас вообще не МО занят. Поэтому проверю не скоро. Вам наверное будет достаточно просто проверить эту идею небольшой корректировкой кода. Конечно, если самому интересно сравнить с финальной моделью и без.
[Удален]
Forester #:
Я сейчас вообще не МО занят. Поэтому проверю не скоро. Вам наверное будет достаточно просто проверить эту идею небольшой корректировкой кода. Конечно, если самому интересно сравнить с финальной моделью и без.

Был предложен способ корректировки меток в датасете. После него обучается финальная модель, обычный классификатор. Без финальной модели работать не будет.

Здесь намного важнее понимать смысл подхода и почему это должно работать, а не способ реализации.
Maxim Dmitrievsky #:
Значит подходит только для моей системы обучения, которая вырисовывалась пару лет. Либо что-то не так делаете.

Есть ли разница, сразу проверить смещение вероятности на отложенной выборке, или построить модель и оценить эффект через модель?

Я вот думаю, и не вижу разницы - если смещение вероятности есть на новых данных, то модель будет работать на них, а если нет, то нет...