ФорумРазделы

Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 535

Новый комментарий
Maxim Dmitrievsky:

ну по ощущениям 4-5 секунд

А у меня 25 (на реальных тиках). Плюс ещё какое-то время на подготовку тиков в первый запуск, но это можно проигнорировать.

[Удален]
Dr. Trader:

А у меня 25 (на реальных тиках). Плюс ещё какое-то время на подготовку тиков в первый запуск, но это можно проигнорировать.


так этож примерно 97555367 тиков :) не хухры-мухры

быстрый у вас комп, у меня на реал тиках больше минуты, по ощущениям

Dr. Trader:

Тема сама по себе интересная, но проверку на форексе не прошла. Тут в теме были какие-то статьи про неё, даже пакет для R есть - https://github.com/ahunteruk/RNeat .
NEAT парой слов - веса нейронки подбираем генетическим алгоритмом вместо обычного обучения. 
Вот например алгоритм в действии, нейронка обучается играть в игру Mario https://www.youtube.com/watch?v=qv6UVOQ0F44

Если при обычном обучении нейронки можно иногда приостанавливать обучение и проверять оверфит на новых данных чтоб вовремя остановить обучение, то с NEAT так не получится, генетика будет искать веса наиболее удовлетворяющие фитнесс функцию пока не упрётся в свой предел, в итоге получается сильный оверфит и бесполезность модели на новых данных.

Это совсем не верно. NEAT (NeuroEvolution of Augmenting Topologies) - это генетический поиск оптимальной архитектуры нейросети. Именно архитектуры а не весов NN заданной архитектуры. К сожалению пакет не получил продолжения в последних релизах R. Есть аналогичный пакет в Python. NEAT - это метод, разработанный Кеннетом О. Стэнли для развития произвольных нейронных сетей. NEAT-Python - это чистая реализация NEAT на Python без каких-либо зависимостей, кроме стандартной библиотеки Python. Более детально можно почитать - Наш оригинальный журнал о NEAT (в соавторстве с Кен Стэнли и Ристо Мийккулайнен), «Эволюция нейронных сетей через дополняющие топологии» 

Небольшая выдержка из журнала :Развивающиеся нейронные сети с помощью дополняющих топологий (2002)

Кеннет О. Стэнли и Ристо Мийккулайнен
Важным вопросом в нейроэволюции является то, как получить преимущество от эволюции топологий нейронной сети наряду с весами. Мы представляем метод NeuroEvolution of Augmenting Topologies (NEAT), который превосходит лучший метод фиксированной топологии на сложной задаче обучения артефактам. Мы утверждаем, что повышенная эффективность обусловлена ​​(1) использованием принципиального метода кроссовера различных топологий, (2) защиты структурных инноваций с использованием видообразования и (3) постепенным увеличением от минимальной структуры. Мы проверяем это утверждение посредством серии исследований абляции, которые демонстрируют, что каждый компонент необходим системе как целому, так и друг другу. Какие результаты значительно ускоряют обучение. NEAT также является важным вкладом в GA, потому что он показывает, как можно эволюционировать как оптимизировать, так и усложнять решения одновременно, предлагая возможность развития все более сложных решений в течение поколений и усиливая аналогию с биологической эволюцией.

Разницу замечаете? Нужно экспериментировать. Времени бы в сутках было бы 26 часов...

Maxim Dmitrievsky:

стандартный эксперт MACD sample с простой логикой, 1 минутки по 2 ценам открытия за год.. ну по ощущениям 4-5 секунд.. и это за год на минутках

по моему не так уж и медленно + он воспроизвел торговое окружение типа плавающих спредов, нарисовал графичег и показал отчет

Растут парни, что сказать, года 4 назад было намного медленней. Но всё равно 4-5 сек это вечность для одного прогона, на порядка два быстрее должно быть.  За 4-5 сек, на годовом интервале, эта "стратегия" должна быть оптимизированна генетикой или каким нибудь отжигом в 100 - 200 прогонов. 

Пипец я программер. Часа четыре пытался сделать индикатор AD для МТ5 с использованием КД, но вроде как сделал. Это пипец товарищи. Заблудился в трёх строчках :-(

Просто трудно когда не знаешь, да ещё и забыл :-)

Вы не поверите, но сбылась мечта идиота, я запустил на оптимизацию три главных составляющих рынка. Дельта+ Объём+Открытый интерес. Жду не дождусь результатов обучения...

Mihail Marchukajtes:

Вы не поверите, но сбылась мечта идиота, я запустил на оптимизацию три главных составляющих рынка. Дельта+ Объём+Открытый интерес. Жду не дождусь результатов обучения...

Что имелось ввиду "Открытый интерес"?

"Дельта" чего?

SEM:

Что имелось ввиду "Открытый интерес"?

"Дельта" чего?


Открытый интерес с Фортса, дельта с КД. Винигрет вообщем у меня такой получился.... Посмотрим что из этого салата выйдет.......

Mihail Marchukajtes:

Открытый интерес с Фортса, дельта с КД. Винигрет вообщем у меня такой получился.... Посмотрим что из этого салата выйдет.......


У меня напрашивается вопрос. Почему эти параметры вам дадут преимущество перед другими игроками рынка если эти данные уже известны и возможно намного раньше ?

Mihail Marchukajtes:

Открытый интерес с Фортса, дельта с КД. Винигрет вообщем у меня такой получился.... Посмотрим что из этого салата выйдет.......

Попробуй добавить стандартные отклонения из полос Боллинджера или Envelopes, для границ канала, интересная штука получается.

"Открытый интерес с Фортса", интересно, кто транслирует реальные данные по этим показателям?

Опять не понял, что такое "КД"?

1...528529530531532533534535536537538539540541542...3747
Новый комментарий