Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 839
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
Поначалу, когда им предлагали свои пронозы всего пара сотен людей - всё было норм, я даже выплаты за места получал. Тут на форуме ещё как минимум двое человек тоже отличные результаты показывали с призами.
Админам нумераи было довольно просто выбрать лучшие результаты и торговать по ним. Потом участников стало тысячи, начали слать им всяких хлам а не модели, появились всякие читеры с сотнями аккаунтов которые тупо брутфорсили прогноз. Админам весь этот цирк надоел, сделали очень просто - "хочешь денежный приз - оставь залог". Если модель фуфло то и залог пропадёт, и прибыли не будет.
По-моему админы пошли самой простой для них тропой. Сами не научились определять потенциально хорошие модели, или даже подготавливать фичи, и превратили всё в лотерею. Яб на их месте сделал всё по-другому.
Поначалу, когда им предлагали свои пронозы всего пара сотен людей - всё было норм, я даже выплаты за места получал. Тут на форуме ещё как минимум двое человек тоже отличные результаты показывали с призами.
Админам нумераи было довольно просто выбрать лучшие результаты и торговать по ним. Потом участников стало тысячи, начали слать им всяких хлам а не модели, появились всякие читеры с сотнями аккаунтов которые тупо брутфорсили прогноз. Админам весь этот цирк надоел, сделали очень просто - "хочешь денежный приз - оставь залог". Если модель фуфло то и залог пропадёт, и прибыли не будет.
По-моему админы пошли самой простой для них тропой. Сами не научились определять потенциально хорошие модели, или даже подготавливать фичи, и превратили всё в лотерею. Яб на их месте сделал всё по-другому.
Может Вы и правы, но сейчас ИМХО как то оно всё слишком произвольно, меняются логлосы как то странно, то были больше половины ниже(лучше) рандома(0.96315) на лайфе, сейчас вдруг почти все стали ваше(хуже) рандома... короче произвол ИМХО, я им не доверяю, чтобы "рисковать" когда нельзя ничего проверить, да и сама затея глупая, сама по себе классификация - вообще не предмет челенжа, нет никакого смысла её делегировать, другое дело фичи и целевые конструировать из сырых данных...
Не дам этой ветке выпасть из Top-уровня.
Господа нейросетевики - простой люд ждет от Вас Грааль. Не погубите.
Поэкспериментировал с randomUniformForest - не понравился.
Важность предикторов постоянно прыгает по списку.
Вот воспроизводимый пример на данных из статьи https://www.mql5.com/ru/articles/4227 :
Запускаем RStudio, загружаем из GitHub/Part_I файл Cotir.RData, с котировками, полученными из терминала, и файл FunPrepareData.R с функциями подготовки данных из GitHub/Part_IV.
Потом:
evalq({ dt <- PrepareData(Data, Open, High, Low, Close, Volume) }, env) prep <- caret::preProcess(x = env$dt[, -c(1,ncol(env$dt))], method = c("spatialSign")) x.train <- predict(prep, env$dt[, -c(1,ncol(env$dt))])#удалить время и класс x.train <- as.matrix(x.train,ncol=(ncol(env$dt)-1)) y.train <- as.matrix(env$dt[, ncol(env$dt)],ncol=1) require(randomUniformForest) ruf <- randomUniformForest( X = x.train,Y = y.train,mtry = 1, ntree = 300,threads = 2, nodesize = 2, regression = FALSE) ruf$forest$variableImportance ruf <- randomUniformForest( X = x.train,Y = y.train,mtry = 1, ntree = 300,threads = 2, nodesize = 2, regression = FALSE) ruf$forest$variableImportance ruf <- randomUniformForest( X = x.train,Y = y.train,mtry = 1, ntree = 300,threads = 2, nodesize = 2, regression = FALSE) ruf$forest$variableImportance ruf <- randomUniformForest( X = x.train,Y = y.train,mtry = 1, ntree = 300,threads = 2, nodesize = 2, regression = FALSE) ruf$forest$variableImportanceТут 4 раза происходит расчет глобальной важности предикторов на одних и тех же данных. Результат - почти рандомный:
----------------------------------------------------------------------------------------------
1 ftlm 9204 2 0.52 100.00 8
2 rbci 9197 2 0.52 99.92 8
3 stlm 9150 2 0.52 99.41 8
4 v.fatl 9147 2 0.51 99.38 8
5 v.rftl 9122 2 0.52 99.11 8
6 v.satl 9110 2 0.51 98.98 8
7 v.stlm 9096 2 0.51 98.82 8
8 v.rbci 9084 2 0.51 98.69 8
9 pcci 9082 2 0.52 98.68 8
10 v.rstl 9049 2 0.52 98.31 8
11 v.pcci 8980 2 0.51 97.57 8
12 v.ftlm 8953 2 0.52 97.28 8
----------------------------------------------------------------------------------------------
1 v.fatl 9130 2 0.51 100.00 8
2 ftlm 9079 2 0.52 99.45 8
3 v.rbci 9071 2 0.52 99.35 8
4 v.rftl 9066 2 0.52 99.30 8
5 stlm 9058 2 0.51 99.21 8
6 v.satl 9033 2 0.51 98.94 8
7 pcci 9033 2 0.51 98.94 8
8 v.stlm 9019 2 0.51 98.78 8
9 v.rstl 8977 2 0.51 98.33 8
10 rbci 8915 2 0.52 97.64 8
11 v.pcci 8898 2 0.51 97.46 8
12 v.ftlm 8860 2 0.51 97.04 8
----------------------------------------------------------------------------------------------
1 v.fatl 9287 2 0.51 100.00 9
2 stlm 9191 2 0.52 98.96 8
3 v.rbci 9172 2 0.52 98.76 8
4 v.rftl 9134 2 0.51 98.35 8
5 v.satl 9115 2 0.51 98.14 8
6 ftlm 9109 2 0.51 98.08 8
7 v.stlm 9072 2 0.51 97.69 8
8 v.rstl 9072 2 0.51 97.68 8
9 v.ftlm 9036 2 0.51 97.30 8
10 pcci 9014 2 0.52 97.05 8
11 rbci 9002 2 0.52 96.93 8
12 v.pcci 8914 2 0.51 95.98 8
----------------------------------------------------------------------------------------------
1 v.satl 9413 2 0.51 100.00 8
2 ftlm 9389 2 0.52 99.75 8
3 v.stlm 9371 2 0.51 99.55 8
4 v.rftl 9370 2 0.51 99.54 8
5 v.rbci 9337 2 0.51 99.19 8
6 v.pcci 9314 2 0.51 98.95 8
7 v.fatl 9311 2 0.52 98.91 8
8 stlm 9295 2 0.52 98.75 8
9 pcci 9281 2 0.51 98.60 8
10 v.rstl 9261 2 0.51 98.39 8
11 v.ftlm 9257 2 0.51 98.35 8
12 rbci 9238 2 0.52 98.14 8
У 2-х других проверенных пакетов, важность предикторов определяется одинаково при презапусках.
Поэкспериментировал с randomUniformForest - не понравился.
Важность предикторов постоянно прыгает по списку.
Не вижу seed.
Но дело не в этом, а дело вот в каком принципе.
Важность предикторов, которая определяется в этой модели и в других моделях - это некоторая характеристика использования конкретного предиктора в конкретной модели.
А можно ставить проблему как важность предиктора для целевой переменной, а не в конкретной модели.
Вот функции из caret именно такие. С их помощью можно сформировать некий общий набор предикторов, которые "полезны" для целевой переменной. При этом есть один очень интересный нюанс: что если двигать окно и в уже отобранных предикторах делать повторный отбор, например связанный с конкретным алгоритмом, то этот набор будет постоянно меняться.
Если говорить в целом, то необходим ответ на вопрос: для чего Вам нужна важность предиктора? Для отбора в конкретном алгоритме? Так алгоритм уже высказал свое мнение по этому поводу и Вас проинформировал об этом. поэтому показанные Вами цифры они вообще ни о чем, меняются они или нет - не имеет значения. Значение имеет предсказание по модели вне выборки обучения и связь перечня предикторов с успехом предсказания ВНЕ выборки
Поэкспериментировал с randomUniformForest - не понравился.
Попробуйте загрузить свои предикторы сюда
https://www.mql5.com/ru/articles/3856
а затем посмотреть их импортанс на уже сформированной автоматически матрице, после обучения Агента
у меня на моих пока +- результаты на ООС, но есть еще куда улучшать
подбирать целевые к предикторам самому на нестационарном рынке - дело, по моему, бесполезное, импортанс так же стохастически меняется
Не вижу seed.
Но дело не в этом, а дело вот в каком принципе.
Важность предикторов, которая определяется в этой модели и в других моделях - это некоторая характеристика использования конкретного предиктора в конкретной модели.
А можно ставить проблему как важность предиктора для целевой переменной, а не в конкретной модели.
Вот функции из caret именно такие. С их помощью можно сформировать некий общий набор предикторов, которые "полезны" для целевой переменной. При этом есть один очень интересный нюанс: что если двигать окно и в уже отобранных предикторах делать повторный отбор, например связанный с конкретным алгоритмом, то этот набор будет постоянно меняться.
Если говорить в целом, то необходим ответ на вопрос: для чего Вам нужна важность предиктора? Для отбора в конкретном алгоритме? Так алгоритм уже высказал свое мнение по этому поводу и Вас проинформировал об этом. поэтому показанные Вами цифры они вообще ни о чем, меняются они или нет - не имеет значения. Значение имеет предсказание по модели вне выборки обучения и связь перечня предикторов с успехом предсказания ВНЕ выборки
Важность предикторов нужна, чтобы отсеять неважные и шумовые, и использовать их в НС или в ансамбле.
В этом наборе данных stlm - очень сильно ухудшает результат обучения, использую его как маркер, - если он не отсеивается, то пакет по отбору предикторов - не справился.
Попробуйте загрузить свои предикторы сюда
https://www.mql5.com/ru/articles/3856
а затем посмотреть их импортанс на уже сформированной автоматически матрице, после обучения Агента
у меня на моих пока +- результаты на ООС, но есть еще куда улучшать
подбирать целевые к предикторам самому на нестационарном рынке - дело, по моему, бесполезное, импортанс так же стохастически меняется
О - новая статья. Интересно...
да, проблема выбора целевой отпадает при таком подходе, но нужно научиться делать осмысленные реворды агенту
фитится хорошо на любых предикторах, но что бы работало на ООС надо попариться с их выбором
Не дам этой ветке выпасть из Top-уровня.
Господа нейросетевики - простой люд ждет от Вас Грааль. Не погубите.
Да я уж сам переживать начал, когда её потерял :-)