Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası

Mihail Marchukajtes 2016.11.03 17:46 #1911

Yuri Reshetov :

Tüm dünya nefesini tutmuş bu anı sabırsızlıkla bekliyordu.

Ve bu olay sonunda gerçekleşti!

MQL'de eğitimli üçlü sınıflandırıcıların kodunu oluşturan jPrediction'ın 12. sürümünün sürümü yayınlandı. MetaTrader terminal kullanıcılarının artık üçlü sınıflandırıcı kodlarını Java'dan MQL'ye taşımasına gerek yok. Tüm MQL kodu artık mqh uzantılı dosyalara kaydedilir.

(Yüksek sesle alkışlar ve "Yaşasın!" sesleri)

Ama hepsi bu değil. jPrediction 12 şimdi önceki sürümden yaklaşık %12 daha hızlı hesaplıyor!

(Eşzamanlı olarak bonelerin savrulmasıyla birlikte yüksek sesle alkışlar)

Çok sayıda jPrediction kullanıcısı, 12 sürümünü web sitemden indirerek ücretsiz olarak indirebilir ve kullanabilir (bağlantı profilimde, sitenin ana sayfasındaki ilk gönderi).

(Monitörlerdeki tuş sesleri ve indirme göstergelerinin hareketi)

Tebrikler sözlü olarak kabul edildiği gibi, WebMoney üzerinden yazılı olarak da hediye ve para transferi şeklinde mümkündür.

MKUL'un hangi versiyonunu sormaktan utanıyorum ??? 4 mü 5 mi???

Yury Reshetov 2016.11.03 17:56 #1912

Michael Marchukajtes :
MKUL'un hangi versiyonunu sormaktan utanıyorum ??? 4 mü 5 mi???

5-ke'yi kontrol ettim. Ancak kodlarda OOP ve sadece 5-ke'ye özgü diğer özellikler yoktur. Yani 4. ile uyumluluk olması gerektiği gibi görünüyor? Tabii ki IMHO, çünkü 4-ke üzerinde kontrol etmedim.

Mihail Marchukajtes 2016.11.03 18:11 #1913

Yuri Reshetov :
5-ke'yi kontrol ettim. Ancak kodlarda OOP ve sadece 5-ke'ye özgü diğer özellikler yoktur. Yani 4. ile uyumluluk olması gerektiği gibi görünüyor? Tabii ki IMHO, çünkü 4-ke üzerinde kontrol etmedim.

Harika, az önce Tahmini oluşturan kodu yazdığım kodla karşılaştırdım, sonuç aynı. Sadece, hatırladığınız gibi, 1d'deyken aniden bir hata aldığım için endişelendim, şimdi her şeyin yakınsadığını kontrol ettim, sonuç aynı. Bugün için, satın alma sinyallerinin seçimi o kadar kötü bir şekilde eğitildi ki, dünkü olanı bırakmaya karar verdim ve görünüşe göre kaybetmedim ve 12. sürüm daha iyi sonuçla optimize edildi, ancak daha az giriş vardı .. sadece üç. Yani genel olarak sorun değil ama yarın daha detaylı bakmam gerekecek. Bu yüzden yarın daha spesifik olarak abonelikten çıkacağım .... Peki, bugünün yağlı boya tablosu için ... kendiniz karar verin ..... Şikayet etmek günahtır. Ve tekrar açıklayacağım, ağın "Bilmiyorum" (oksuz işaretler) olarak tanımladığı sinyalleri. Biz zaten gerçeği belirliyoruz. Bugün için doğrudur. Yani ağ "bilmiyorum" deyince bunun doğru olduğunu kastediyoruz...

köylüler kazanmayı öğrenin [Bölüm Forumu kirletmemek için herhangi Ticaret yaparken duygular

Vizard_ 2016.11.03 21:09 #1914

Yury Reshetov : jPrediction'ın 12. versiyonu çıktı ...

Başkalarına verdiği örnek bilimdir;
Ama tanrım, ne sıkıcı
Hastalarla gece gündüz oturmak,
Bir adım öteden ayrılmamak!
Ne düşük aldatma
Yarı ölüleri eğlendirin
yastıklarını düzelt
İlaç vermek üzücü
İçini çek ve kendi kendine düşün:
Şeytan seni ne zaman alacak!)))

Bir sonraki başyapıtım Bir ticaret sisteminin temeli Çalışmalar.

Mihail Marchukajtes 2016.11.04 05:50 #1915

Dün olduğu gibi bugün de hacmin artması ve açık ilginin düşmesi, yani bugünün dünle aynı olması nedeniyle, modelleri aşırı zorlamaya değil, onlarla işlem yapmaya karar verdim. Bu yüzden henüz 12. sürümün çalışmalarını tam olarak değerlendiremiyorum. Ama zaman olacak, bir rapor olacak :-)

Yaşamak için ne kadar Mql5 dilinin özellikleri, incelikleri Forumu kirletmemek için herhangi

mytarmailS 2016.11.05 11:18 #1916

MO algoritmalarına daha derinden bakmanıza izin veren bir paket buldum, kendim hiç anlamadım, ama bir şey bana paketin iyi olduğunu söylüyor, belki biri ilgilenir ...

parti kiti paketi

Server Muradasilov 2016.11.05 14:15 #1917

.

N+1: научные статьи, новости, открытия

nplus1.ru

Чуть больше, чем наука

Yury Reshetov 2016.11.06 08:08 #1918

j Prediction'ın 14. versiyonu çıktı.

Yeni sürümde, modellerden önemsiz tahmin edicileri belirleme ve çıkarma algoritması geliştirildi.

jPrediction 14'ü indirmek ve web sitemden indirerek sınıflandırma sorunları için kullanmak ücretsizdir (bağlantı profilimde, web sitemin ana sayfasındaki en üstteki yazı).

Makine Öğrenimi ve Sinir Tartışma ilk milyonunu al

mytarmailS 2016.11.06 12:48 #1919

Örnekler (göstergeler) yalnızca gösterim amaçlıdır, göstergelerin kullanılmasını şiddetle tavsiye etmiyorum

Bir an için bu durumu hayal edelim: 5 tahmincimiz var ve fiyat, fiyat hareketini yüksek olasılıkla tahmin etmemiz gerekiyor. %70'in üzerinde diyelim... Biz dolandırıcıyız)) ve önceden biliyoruz ki, bu tahmin edicilerde piyasayı bu kadar doğrulukla tahmin edebileceğiniz tek bir model var. Bu, RSI'nin ve stokastik ~50 alanda mini bir zikzak yapın

s

Bu arada, desenin, tabiri caizse, dijital (~ 50 alanındaki desen) ve mecazi (zikzak - görüntü) olmak üzere iki görüş düzleminde yattığını unutmayın, bu nedenle desen ararken, dikkate alınması mantıklıdır. böyle uçaklar...

İşte bu kadar, bu tahmin edicilerde daha fazla çalışma modeli yok, diğer her şey sadece gürültü, bu ilk üç gösterge başlangıçta gürültü ve RSI ve stokastik sadece bir modele sahiptir, diğer her şey RSI ve stoch da tam bir gürültüdür ...

Şimdi verilerde bu tür kalıpları nasıl arayabileceğinizi düşünelim... Sıradan ML bunu yapabilir mi?

Cevap hayır niye ya?

Hedef MO, tüm hareketleri tahmin etmeyi amaçladığından, ya bir zikzak ya da bir renk izidir. Mumlar veya yön veya .. veya ... tüm hedefler MO'yu tüm fiyat hareketlerini açıklamaya zorluyor , bu da gürültü tahmincilerinde %99'un altında imkansız...

Peşinde, size ahlaklı küçük bir hikaye anlatacağım, 20 tahmin edicinin olduğu, 4 tahmin edicinin birlikte etkileşime girdiği sentetik bir örnek oluşturdum, hedefi tam olarak açıkladım, kalan 16 tahmin edici, yeni eğitimden sonra sadece rastgele gürültüdür. OOS verileri model tüm yeni değerleri tahmin etti, %0 hata gösterdiler.... Hikayenin ahlaki, verilerde tam olarak açıklayabilecek tahminciler varsa, sonra MO'yu hedefleyin ve öğrenin ve devam edin OOS normal davranacaktır... Sonuçlarımız tam tersini gösteriyor, MO'ya sunduğumuz örneklerde, Allah korusun, %5'i açıklayabilecek faydalı bilgilerin %5'i var. hedef, ama biz %100 herkesin yaklaşımın ütopyasını anlamasını istiyoruz??? Bu yüzden MO'lar yeniden eğitiliyor, biz de onları% 100'ü tahmin etmek isteyerek yeniden eğitmeye zorluyoruz.

Ana noktaya dönersek, bu çalışma modellerini nasıl arayabiliriz? Bir "yığın" içinde bu sağlamlık "iğnesini" nasıl bulabilirim? veri??

Prensipte ML'yi terk etmeyi öneriyorum, tek ihtiyacımız olan her bir tahmin ediciyi benzer durumların (kalıpların) küçük parçalarına bölmek. ve tüm olası kombinasyonları sıralayarak, hedefle karşılaştırarak aradığımızı bulacağız ... Şimdi daha ayrıntılı olarak, tahmin ediciler nasıl bölünür? Nasıl?

Cevap basit, hemen yapmamama rağmen, her bir tahminciyi aptalca kümelemeniz gerekiyor, diyelim ki 30 kümeye

Her şeyi boyamadım ama özün zaten açık olduğunu düşünüyorum, her bir tahminciyi bu kümelerin parçalarına ayırıyoruz ve şimdi kümeler arasında farklı kombinasyonlar deneyerek, şekildeki gibi çalışan bazı kalıplar bulabiliriz. örneğin - stokastik küme 1'e ve RSI küme 2'ye sahip olduğunda, o zaman bir artış olacaktır ...

Şimdi, çalışma kalıplarını nasıl arayacağınızın özü

Bu bizim varsayımsal örneğimiz, hedef . etiket hedef bu, yani artış düşüş

 tarih
  küme1 küme2 küme3 küme4 küme5 hedef.etiket
1        24        5       on sekiz       21       on altı            1
2         2       on beş       12        7       22            1
3        on üç       on üç       on altı       29       24            0
4        23       28       22       on        4            1
5         6       12       20       25       on bir            0
6        25       17       on dört       24       25            1
7        otuz       27        2        4       on dört            0
sekiz        on bir        2       21        6        dokuz            0
dokuz        20       20       29       17       on            1
on        7       otuz       25       on bir       on beş            0
on bir       on dokuz        sekiz       on beş        sekiz       on sekiz            0
12        3       on sekiz        1       on altı       26            0
on üç       17        dokuz       23       on dört        sekiz            0
on dört        5        6        5       22       on dokuz            0
on beş        dokuz       on dokuz        dokuz       12       20            1
on altı       21        3        3       on üç       23            1
17       on       on altı        4       26        2            1
on sekiz       on sekiz        4       28        3        6            0
on dokuz       28       24        7       20       12            0
20        sekiz       on bir       on bir       23        7            1
21       on beş       on dört        6       27       27            0
22       26       29       26       28       29            1
23       on altı        1       on        2       17            0
24        1        7       17       on beş       21            0
25       27       23       otuz        5       on üç            1
26       12       22       on dokuz        dokuz       otuz            1

 Sekme. 1

Büyümenin nasıl aranacağına dair bir örnek

tüm örneklemde en az 10 kez tekrarlanan ve tekrarlanan bulunan özdeş grupların her birinde böyle çizgiler arıyoruz , hedef etiketindeki "1" sayısı "0" a göre %70'i geçmelidir.

 küme1 küme2 küme3 küme4 küme5 hedef.etiket
1        24        5       on sekiz       21       on altı            1
2        24        5       on sekiz       21       on altı            1
3        24        5       on sekiz       21       on altı            0
4        24        5       on sekiz       21       on altı            1
5        24        5       on sekiz       21       on altı            1
6        24        5       on sekiz       21       on altı            1
7        24        5       on sekiz       21       on altı            1
sekiz        24        5       on sekiz       21       on altı            0
dokuz        24        5       on sekiz       21       on altı            1
on       24        5       on sekiz       21       on altı            1
.... ...
Talb. 2

İşte sıfırdan büyük birlerin bulunan özdeş satırları...

Yani, özünde, bir kombinasyon bulduk hangi kümeler çalışıyor model...

Ayrıca gerekli her birindeki küme numaralarının yalnızca olası tüm kombinasyonları üzerinde yineleme tahmin edici, aynı zamanda kümelerin kendilerinden kombinasyonlar, sadece 1 ve 4 alırlar küme veya 1, 3, 5 küme, vb...

Yöntemin avantajları sıradan MO'nun önünde veya daha doğrusu artılar bile değil, bu MO'da olmayan, sağduyulu bir şey olması gerektiğini söylüyor...

1) Yöntem, hedefin yalnızca bu bölümünü açıklar. gerçekten açıklayabildiği ve her şeyi %100 açıklamaya çalışmadığı hedef tüm MO'lar bunu nasıl yapıyor Reshetov dahil

2) Yöntem derindir, yalnızca en iyi tahmin edicileri seçmekle kalmaz, aynı zamanda en iyisi yordayıcıların kendi içindeki durumlar, bu çok diğer MO'lardan daha derin bir analiz yolu

3) 1) ve 2) noktalarından dolayı, yöntem otomatik olarak şu işaretleri bulur:

özellik düzlemini mükemmel şekilde ayırın

4) Adil bir istatistiksel engel var, aynı durumlardan bir grup bulduğumuzda sekmesine bakın. 2 o zaman en az 10 tane olmalı (yapabilirsin düzenler), bu minimum, istatistiksel sonucun üzerinde umut verir. hedef güvenilir olacaktır, geleneksel MO'da sadece iki benzer durum olabilir. hedef sona erdi, diyelim ki, bir düşüşle ve bu kadar! MO zaten kısa düşünecek desen, sadece iki gözlemle, durumun dehşetini anlıyor musunuz?

5) Adil bir olasılık engeli var bir grup özdeş durum bulduğumuzda sekmesine bakın. 2 (uzun) birimlerin sayısıdır bu grupta sıfırdan %70 fazla olmalı, bu da umut veriyor olasılığın güçlü olduğunu ve rastgele olmadığını .. Yine, sıradan MO'da bu orada değil % 1 birim fazla kilo zaten uzun bir kalıp olarak kabul edilecek, ayrıca korku da öyle değil ikisinden biri??

6) Algoritma, tahmin edicilerdeki ilişkilerle çalışır, tüm MO'lar bunu yapmaz

7) Bulunan kalıbı kolayca görselleştirebilir veya programlayabilirsiniz, yani basitçe anlayabilirsiniz.

ve bulunan modeli yorumlayın, tüm MO'lar yapamaz

Örnekler (göstergeler) yalnızca gösterim amaçlıdır, göstergelerin kullanılmasını şiddetle tavsiye etmiyorum

Bu kaosun bir düzeni Yeni başlayanlardan sorular MQL4 Azarlamak :) Bu konudaki

Dr. Trader 2016.11.06 13:48 #1920

mytarmailS :

"Kümeleme" ile ne demek istediğinden emin değilim. Genellikle, belirli bir tahmin edici kümelenmez, aksine, on tanesini alır ve uzayda bu noktaların gruplandığı alanları bulurlar. Örneğin, alttaki resimde iki öngörücüye sahip olmak, 2 kümeye kümelemek sadece mavi ve kırmızı kümeler verecektir.

Belki kalıplardan bahsediyorsun? Yeşil desen - fiyat düşer ve sonra yükselir. Sarı - aşağıdan yukarıya doğru büyür. Kırmızı: yukarı->aşağı. Tahmin ettiniz mi?

[ARŞİV] Forumu kirletmemek için Ya kördüm ya da Kase değil, sıradan bir

Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 192