Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3675
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Совершенно не могу с этим согласиться - только случайная выборка строк.
Уточню: в классической кроссвалидации строки перемешиваются до разделения на интервалы, чтобы потом не тестировать на строках соседних с теми, на которых обучали. Это будет подглядывание. В Алглибе так сделано, себе отключил
Везде советы, что необходимо масштабировать предикторы, например в интервал [0:1]. Формула отображения в интервал основана на мин и мах значения предиктора.
Хотя можно все что выходит за границы просто приравнять им.
Аналогично в деревьях делается, если дынные за границами, то они просто попадают в крайние/граничные листья. Но расчеты точнее.
бот, которого скидывал в группу, работает без нормировки (просто цены или МА на входе), при этом модель не залипает в одном положении (0 или 1) на новых данных
но может работать и на приращениях, правда тогда требуется кратно больше признаков, иначе хуже обобщает
не используется cv при оценке и вообще почти что ничего из классики не используется :)
Странно...
Просто на ценах обучаете (например 1,11000)? Примеров конкретной цены будет в разы меньше, чем приращений.
Например смещение цены с 1,1 до 1,11 на истории могло быть всего 100 раз, а приращений на 0,01 - тысячи (и на 1,1 и на 1,2 и на 1,3 ....), т.е. будет много примеров и оценка достовернее и обобщать есть из чего (из тысяч примеров вместо 100)
Странно...
Просто на ценах обучаете (например 1,11000)? Примеров конкретной цены будет в разы меньше, чем приращений.
Например смещение цены с 1,1 до 1,11 на истории могло быть всего 100 раз, а приращений на 0,01 - тысячи (и на 1,1 и на 1,2 и на 1,3 ....), т.е. будет много примеров и оценка достовернее и обобщать есть из чего (из тысяч примеров вместо 100)
Да, но у меня вся выборка разделена на состояния и обучение на каждом состоянии отдельно. Например 10 состояний - 10 моделей. Потом лучшая выбирается.
Что там конкретно попадет в каждое из состояний - вопрос риторический.
Примеров приращений будет больше, а путаницы в прогнозах тоже больше из-за неопределенности. Поэтому и признаков нужно больше. В итоге больше признаков = увеличение кол-ва уникальных примеров, которые больше не повторяются, так же как просто с необработанными ценами.
вот первая картинка в статье и описание над ней
Используя ее для обучения вы знаете будущее на 16 часов вперед
Не думал, что могут обучать на пересекающихся по времени сделках.
Не думал, что могут обучать на пересекающихся по времени сделках.
Можно каждый бар размечать и при длинных ТП/СЛ будут жить одновременно десятки или даже сотни сделок.
Начинал с этого https://www.mql5.com/ru/code/903
Сейчас с модификацией работаю, но суть та же - много сделок, потом фильтруем.
ПС. Результата пока нет в виде зарабатывающего робота. Но есть перспектива.
Переворотную на ЗигЗаге потестировал. Что-то зарабатывает только на сильных движениях, но их мало. Сделок получается 1-2 в месяц. Не интересно стало. Ищу более интенсивную торговлю.
Да, но у меня вся выборка разделена на состояния и обучение на каждом состоянии отдельно. Например 10 состояний - 10 моделей. Потом лучшая выбирается.
Что там конкретно попадет в каждое из состояний - вопрос риторический.
Примеров приращений будет больше, а путаницы в прогнозах тоже больше из-за неопределенности. Поэтому и признаков нужно больше. В итоге больше признаков = увеличение кол-ва уникальных примеров, которые больше не повторяются, так же как просто с необработанными ценами.
Как-нибудь попробую на чистых ценах обучить для сравнения.
Как-нибудь попробую на чистых ценах обучить для сравнения.
+ флэтовая пара, чтобы ощутить.
они реже выходят за рэндж обучения, если ТС не приспособлена к обучению на ценах
на трендовых можно построить линию регрессии на всю историю и продолжать ее на новых данных. Взять разницу с ценами. Медленно будет ломаться, зато цены (признаки) будут в каком-никаком рэндже.
+ флэтовая пара, чтобы ощутить.
они реже выходят за рэндж обучения, если ТС не приспособлена к обучению на ценах
на трендовых можно построить линию регрессии на всю историю и продолжать ее на новых данных. Взять разницу с ценами. Медленно будет ломаться, зато цены (признаки) будут в каком-никаком рэндже.
Это для нейросетей надо масштабировать. Деревянным моделям это не нужно. Не будет, это одна из причин, почему нейросети перестал использовать.
Мой пост не о том, где надо или не надо масштабировать
Мой пост как пример заглядывания вперед. На этом примере явно видно, а на практике довольно сложно определить предикторы с заглядыванием вперед. Основной признак - это когда пошаговый прогон как в тестере дает ошибку классификации близкую к 0.5, хотя при обучении, тестировании, кросс-валидации ошибка в разы меньше.