Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 257
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Biraz kafam karıştı.
Bir fiyat var. Son 200 barı alıyorum ve üzerlerinde iki sınıf bir model (al/sat) yetiştirmeye çalışıyorum. Herhangi bir şeyi, hatta bir ormanı, hatta bir nöronu eğitebilirsiniz, ancak tüm bunlar işe yaramaz, çünkü tüm eğitim örneklerini 200 boyutlu bir uzayda noktalar olarak temsil ederseniz, o zaman her iki sınıf da orada eşit olarak karıştırılır ve onları ayırmaya çalışır. hiperdüzlemler tarafından yeterince doğru değildir.
Şimdi seçenek daha iyi - fiyata dayalı her türlü hedge fonu yeni tahminciler (göstergeler, kümeler, bazı formüller ve her neyse) yaratıyor. Ve elde edilen yeni öngörücülerde, ilk paragraftakiyle aynı model eğitilir, ancak bu durumda lahana doğranır.
Yani ikinci durumda, orada hiçbir yeni bilgi oluşmaz veya eklenmez, bunların hepsi 200 boyutlu uzayda daha az boyutlu bir uzaya taşınan aynı noktalardır. Onlar. boyutta böyle tuhaf bir azalma, aynı sınıftaki noktaların uzayda birbirine daha yakın hareketi. Ama sonuçta makine öğrenme modelleri de bunu yapıyor, algoritmaları ile boyutu da küçültüyor ve sınıfları birbirine yaklaştırıyor. Bu iki yöntem arasındaki fark nedir?
Neden, çeşitli numaralar ve ardından model eğitimi ile yarı otomatik olarak uzaya puan getirirseniz, o zaman işe yarıyor. Ve orijinal alanla çalışması için modelin kendisine güvenirseniz, başarısız olur mu? Her iki durumda da aynı işlem.
Şimdi seçenek daha iyi - fiyata dayalı her türlü hedge fonu yeni tahminciler (göstergeler, kümeler, bazı formüller ve her neyse) yaratıyor. Ve elde edilen yeni öngörücülerde, ilk paragraftakiyle aynı model eğitilir, ancak bu durumda lahana doğranır.
...
Neden, çeşitli numaralar ve ardından model eğitimi ile yarı otomatik olarak uzaya puan getirirseniz, o zaman işe yarıyor. Ve orijinal alanla çalışması için modelin kendisine güvenirseniz, başarısız olur mu? Her iki durumda da aynı işlem.
Biraz kafam karıştı.
Bir fiyat var. Son 200 barı alıyorum ve üzerlerinde iki sınıf bir model (al/sat) yetiştirmeye çalışıyorum. Herhangi bir şeyi, hatta bir ormanı, hatta bir nöronu eğitebilirsiniz, ancak tüm bunlar işe yaramaz, çünkü tüm eğitim örneklerini 200 boyutlu bir uzayda noktalar olarak temsil ederseniz, o zaman her iki sınıf da orada eşit olarak karıştırılır ve onları ayırmaya çalışır. hiperdüzlemler tarafından yeterince doğru değildir.
Şimdi seçenek daha iyi - fiyata dayalı her türlü hedge fonu yeni tahminciler (göstergeler, kümeler, bazı formüller ve her neyse) yaratıyor. Ve elde edilen yeni öngörücülerde, aynı model ilk paragraftaki gibi eğitilir, ancak bu durumda lahana doğranır.
Yani ikinci durumda, orada hiçbir yeni bilgi oluşmaz veya eklenmez, bunların hepsi 200 boyutlu uzayda daha az boyutlu bir uzaya taşınan aynı noktalardır. Onlar. boyutta böyle tuhaf bir azalma, aynı sınıftaki noktaların uzayda birbirine daha yakın hareketi. Ama sonuçta makine öğrenme modelleri de bunu yapıyor, algoritmaları ile boyutu da küçültüyor ve sınıfları birbirine yaklaştırıyor. Bu iki yöntem arasındaki fark nedir?
Neden, çeşitli hileler ve ardından model eğitimi ile yarı otomatik olarak uzaya puan getirirseniz, o zaman işe yarar. Ve orijinal alanla çalışması için modelin kendisine güvenirseniz, başarısız olur mu? Her iki durumda da aynı işlem.
Ve neden prensipte veri madenciliği?
Ve neden radyo mühendisliğinde ve ekonometride de farklı filtrelere ihtiyacımız var? Pürüzsüzleştirme ve daha fazlası, daha fazlası ....
İstatistik çok aşağılık bir bilimdir - kolayca bir sayı oyununa girebilirsiniz. Ve herhangi bir adımda.
Hedef değişkene karar verdiyseniz, bu hedef değişken için tahmin edicileri seçmeniz gerekir, herhangi birini değil, yalnızca bu hedef değişkenle İÇERİK OLARAK ilgili olanları seçmeniz gerekir. Her zaman yordayıcıya bakarız ve şu soruyu yanıtlamaya çalışırız: "Benim bu yordayıcım hangi özelliği, özelliği hedef değişkenime yansıtıyor"? Ve genel olarak: tahmincinin finansal piyasalarla ne ilgisi var?
Örneğin, RSI: aşırı alım / aşırı satım piyasasını yansıtıyor gibi görünüyor. Açıkça tersine çevrilmeleri ifade eder. Vb.
Veya Burnakov'u hatırlayalım (kişinin selden siteden kurtulduğunu anladığım kadarıyla): oldukça büyük gecikmelere sahip artışlar, periyodiklikten uyandırma çağrısıdır.
Ve genel olarak konuşursak, finansal piyasanın genel, sözlü bir modelini formüle etmek gerekir.
Örneğin, Hindiman (tahmin paketi). Ona göre, pazar şunlardan oluşur:
- üç tür eğilim
- üç tür gürültü
- Tarım ürünleri gibi üretim verileriyle tutarlı, sabit bir periyoda sahip olduğu döngüsellik.
Büyük olasılıkla, bu tek yaklaşım değil. Ama bu kesin, gürültülü değilBu yaklaşımla, kahve telvelerini, Satürn'ün halkalarını bir kenara süpüreceksiniz (astrologların listesine bakınız) ...
Ve "durağan olmama" olarak adlandırılan finansal veri felaketini de unutmayalım.
Ve finansal piyasalar için modellerin neredeyse her zaman aşırı eğitimli olduğunu unutmayın.
Herkes kazandı mı? Bambu tüttürmek...
Biraz kafam karıştı.
1) belki sadece fonlar bunu yapmadığı için?
2) pazarın ne olduğunu anlamanız gerekiyor, kendi yolunuzla da olsa ...
3) kimden ve neden para almanız gerektiğini açıkça bilmeniz gerekir , kendi özel fikirleri olmalıdır.
4) tüm MO vb. .. bu sadece belirli fikrinizi açıklamak için bir araç takımı , ancak fikrin kendisini değil , ama burada dalda hemen hemen herkes bundan dans ediyor, MO'nun her şeyi bulacağını düşünüyor
Kulağa ne kadar acıklı gelse de, ancak piyasayı aşağı yukarı yeterince tahmin etmeyi başardım, bunun için bir mumu hesaplamanın yaklaşık 6 dakika sürdüğü oldukça karmaşık bir algoritmam var, ancak ana unsurların bazıları C'de yeniden yazılacak. ++
Ancak bu karmaşık algoritma tarafından şimdiye kadar hesaplanan sonuç gözlerle analiz edilmelidir, bunlar otomatik modda değil yarı otomatik olarak elde edilir, ancak yakın gelecekte görsel analizimi bir tür MO ile değiştirmeye çalışacağım. tanıma, bu arada, MO'yu çok iyi tanıyor, tahminden farklı olarak, sadece algoritmamdan çıktılar aldım (çizelgeler şeklindeler) ve aslında hedefi manuel olarak yarattım, her çıktıya gözlerimle baktım ve, deyim yerindeyse bunu al sinyali olarak görüyorum ama bunu bir sinyal olarak görmüyorum hedefi vizyona göre oluşturdum deneme amaçlıydı şimdilik çünkü çok veri yapmadım hedeften, yani test için ... 100 eğitim. örnek ve 50 kontrol, alışılmış orman eğitimli ve ne düşünüyorsunuz? orman yeni örneğin %90'ını tanıdı
Merhaba Görev:
- Bir dizi X,Y,Z değeri vardır;
- Bir dilim alın - n'inci Yk'de X ile 1'den 1000'e kadar:
-Bazı minimum ve maksimum noktalar vardır, dilim X ise, herhangi bir değer \u003e 1 önemlidir
Eksenlere göre ağırlıkların hesaplanmasını yeniden oluşturmak için hangi yöne bakmalı.
Yani, nesneyi ölçmeye başlayın.
Sinyal x-55 y-163 hücresine ulaştıysa, görev noktanın X ve Y eksenlerine göre (muhtemelen çapraz olarak) değerini (ağırlığını) belirlemek, noktanın nesne üzerindeki konumunu hissetmektir.
İstatistiksel özellikler, varyanslar, medyanlar, mod, asimetrilerin temellerine bakmanız gerektiğini düşünüyorum.
Genel olarak, nesne üzerindeki nokta değerlerinde diğer nesnelerin varlığının da dikkate alınması için, birbirine göre her birim için bir nesneyi bir şekilde ölçmeye başlamak gerekir.
İyi eğlenceler, Görev:
Teşekkürler, bir şey anladım.
Modeller esasen tahmin alanını en uygun şekilde satın alma sınıfı ve satış sınıfı olmak üzere iki alt alana böler.
Rastgele ve uzun bir süre için yeni öngörücüler oluşturmaya başlarsak, modele biraz yardımcı olabilir, çalışmalarının bir kısmını kendimiz yapabiliriz. Ancak bu, daha iyi bir kararlılık ve öngörülebilirlik vermek zorunda değildir, sadece modelin işini daha az yinelemede yapmasına yardımcı olabilir ve bu işlemde gerçekten istenildiği kadar fayda yoktur.
Ancak bahsettiğiniz bu işlemler - gürültü çıkarma, yumuşatma, trend arama vb. - bu artık sadece model için uygun tahmin ediciler yaratmak değildir. Bu, piyasanın iç süreçlerini bir şekilde tanımlayan tahmin edicilerin yaratılmasıdır.
Çeşitli eski çalışma stratejilerine baktım, her zaman bazı sabitleri vardır - MA 21 ise, RSI 14 ise vb. Tüm bu sabitler ve bunlarla oluşturulan göstergeler, modelin verileri daha kolay sınıflandırmasına yardımcı olmakla kalmaz, aynı zamanda piyasanın iç süreçlerini tanımlayan belirli özellikleri de taşır. Ayrıca, tahmin ediciler için formüllerdeki farklı sabitler zaten bazı yeni verilerdir, bu nedenle orijinal verilere hala yeni bilgiler ekliyoruz.
Dikkatsizce yeni tahminciler oluşturmaya başlarsanız, modelin daha iyi eğitim doğruluğu elde etmesine yardımcı olacaklar, ancak pazardaki süreçleri tanımlamaya yardımcı olmayacaklar ve bu nedenle onlarla yapılan tahminler güvenilmez. O yüzden onları çok düşündürmek lazım, katılıyorum :)
Ve benim için tahmin edicilerin ilginç bir yeni özelliği vardı - orijinal verilerin iç süreçlerinin bir açıklaması.
Onlar. Örneğin, yüzlerce fiyat çubuğunu kolayca geri yüklemek için kullanılabilecek bir düzine tahmincim varsa, o zaman piyasanın gerekli özelliklerini açıkça taşıyorlar ve üzerlerine kurulan model daha iyi olmalı.
Belki neye ihtiyacın olduğunu anlamadım ama belirli bir yarıçap alırdım, diyelim 4 ve her nokta için bu yarıçaptaki ortalama değeri bulurdum.
Onlar. X=BC, Y=158, Z=1 ise, bu R=4 yarıçapındaki tüm noktaların ortalama değerini bulabilirsiniz. Bu (BC,158.1) noktasının ve çevresinin ortalama ağırlığı olacaktır. Bunu dizideki tüm noktalar için yapın ve yeni bir dizi elde edeceksiniz, burada sayı ne kadar büyükse, orijinal dizinin o mahallesinde o kadar fazla sinyal var.
Sonra tüm bunları tek bir eksene yansıtabilirsiniz (Z koordinatını atın, karşılık gelen tüm hücreleri X ve Y ile farklı Z 'ye sahip olanları toplayın). Ardından, Y'nin kendisini de atın ve tüm hücreleri X ile toplayın.
Dikkatsizce yeni tahminciler oluşturmaya başlarsanız, modelin daha iyi eğitim doğruluğu elde etmesine yardımcı olacaklar, ancak pazardaki süreçleri tanımlamaya yardımcı olmayacaklar ve bu nedenle onlarla yapılan tahminler güvenilmez. O yüzden onları çok düşündürmek lazım, katılıyorum :)
Yine de, kişinin dans etmesi gereken ocak, pazarın sözlü, sezgisel bir tanımıdır.
Finansal piyasalarda bu sezgisel tanımın ZZ tarafından verildiği fikriyle uzun zamandır oynuyorum. Eğer bakarsanız, o zaman:
Bana öyle geliyor ki, tüm sıkıntılarımız her iki eksende rastgele değişen bu periyodiklikte. Direkt bunun için gidiyoruz. En azından bir şekilde bu durağanlık ile başa çıkmayı öğrenirsek, gerisi zaten daha kolay.
Yine de, kişinin dans etmesi gereken ocak, pazarın sözlü, sezgisel bir tanımıdır.
Finansal piyasalarda bu sezgisel tanımın ZZ tarafından verildiği fikriyle uzun zamandır oynuyorum. Eğer bakarsanız, o zaman:
Bana öyle geliyor ki, tüm sıkıntılarımız her iki eksende rastgele değişen bu periyodiklikte. İşte tam olarak buna odaklanıyoruz. En azından bir şekilde bu durağanlık ile başa çıkmayı öğrenirsek, gerisi zaten daha kolay.