Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 414
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
Почему не известно? Количество кластеров на которое надо разбивать - задается при запуске как входное значение: K - desired number of clusters, K>=1
Предположим, разбил я данные на 4 группы, что с ними дальше делать?
я имел в виду, что заранее не известно что к какому классу относится в выборке.. что делать с ними потом применительно к трейдингу не знаю, может быть посмотреть какие случаи относятся к сигналам на продажу а какие на покупку, чего больше и так далее..
К сожалению с алглибом дел не имел. Те пакеты ML с которыми знакомился, все позволяли менять функцию активации у слоя.
Но это уже крайние методы.
А то я как то хотел влезть, и написать пару своих рекурентных слоев, хорошо что опомнился. =)
В принципе если знаний хватает, и если позволяет библиотека, то можно наследовать класс нейрона, и прописать там свою функцию активации.
Но это уже крайние методы.
А то я как то хотел влезть, и написать пару своих рекурентных слоев, хорошо что опомнился. =)
Во, софтмакс нормально разделил на сигналы, не то что было до этого то покупок мало, то продаж, сейчас поровну. Но все равно пока сливает, проработать получше нужно предикторы и целевые
Помнится кто то хаял меня за то что нужно каждое утро ориентирвоать свою модель, для дальнейшей работы с ней. Вот как у меня отработала прямая модель за сегодня. Плохо, скажете Вы, конечно плохо отвечу я Вам... а теперь отзеркальте её в своей голове и начните торговать с третьего сигнала. Ну как теперь????? А вы говорите что метод ориентации фигня....
И не нужно лохматить Бабушку!!!! :-)))))
Ну ладно, раз вы настиваете, расскажу Вам одну мысль по поводу сбора для обработки данных. Действительно на достаточно большом участке очень сложно обучить модель с высоким уровнем обобщения, так как рынок это живой организм и бла, бла, бла. Чем больше период обучения тем модель работает хуже, но дольше. Задача: Сделать долгоиграющую модель. Деление или способ два, однако для тех кто использует комитет из двух сетей.
Имеем три состояния "Да", "Нет" и "Незнаю" когда сетки показывают в разные стороны.
Тренируем сеть на всём участке, в нашем случае 452 записи. Сеть выучила этот сЭт на 55-60%, предположим что ответов "Не знаю" на обучающей выборки было 50%, соотвественно 226 сигнала сеть не смогла выучить. Ну хорошо, а теперь строим новую модель ТОЛЬКО по состояниям "Не знаю", то есть пытаемся построить модель на таких квази состояниях, которые ввели в заблуждение первую модель. Итог примерно одинаков из 226 только половина будет распознана, остальная получит состояние "Не знаю", далее снова строим модель. в итоге 113, потом 56, потом 28, потом 14. На 14 записях не известных ни одной из предыдущих моделей Оптимизатор Jprediction как правило посчитает до 100% обобщающей способности.
В итоге мы имеем "Систему моделей" которая распознала весь рынок на участке в три месяца.
Вот Вам ещё один способ, помимо "Контекста дня" Как можно разбить рынок на подпространства и произвести обучение получив именно "Систему моделей" Вот посмотрите пример....
Признаюсь честно я тут немного по другому произвёл разбиение на подпостранства но суть осталась прежней.
Был общий файл из 288 строк, я его разбил на три выборки количество записей обучающей выборки Указанно в строке Tootal patterns.
Слудеющая:
И последняя
Без условно каждая из них должна набирать, но обратите внимание общее количество сделок на данном участке 54 штуки (базовая стратегия). А вот что получилось когда они отработали все вместе разом.