文章 "利用 CatBoost 算法寻找外汇市场的季节性模式"
MetaQuotes:
干得好，马克西姆！
举个例子，这是一位在外汇市场上大肆套现的奇才的图表。它们在这里：
https://smart-lab.ru/blog/666149.php
非常像这样...
所以，你们走的是大致相同的 "圣杯之路"。
Философия фундаментальных принципов движения цены
- smart-lab.ru
Рынок манит своими возможностями. Мозг большинства трейдеров отказывается мыслить рационально и заставляет как можно быстрее получить дозу адреналина. Какая альтернатива? Проверить формализованную идею на всей доступной истории и, осознав результаты, не торговать никогда. Что же мешает этому? тяга к игре на эфемерных неэффективностях нежелание...
Alexander_K2:
干得好，马克西姆！
举个例子，这是一位在外汇市场上大肆套现的奇才的图表。它们在这里
https://smart-lab.ru/blog/666149.php
非常像....
所以，你们走的大致是同一条圣杯之路。
嗯，还不清楚是关于什么的。
如果你把机器学习应用于外汇交易，那么用于训练的数据永远是不够的。这是需要规避的关键点。
在我的文章中，我通过生成新的可信样本来部分规避这一问题，但我们可以进一步探讨这一话题。Alexander_K2:
这位巫师确信，外汇报价是一个人为伪随机序列，在时间上被扭曲了。如果我没听错的话，他还会使用时间过滤器。
这位巫师确信，外汇报价是一个人为伪随机序列，在时间上被扭曲了。如果我没听错的话，他还会使用时间过滤器。
现在是时候让这些巫师一探究竟了：)
读出来。音节不错）。
问题来了，除了临时过滤器，还有什么过滤器是合理的。对增量、价格运动速度、烛台或刻度线形态的过滤要比临时过滤随机得多。假设在同一时间，价格的表现与其他时间相同，这看起来是合乎逻辑的。其他迹象有什么不能说的呢？
即使是定期发布的新闻，也是有时间限制的。
Valeriy Yastremskiy:
读一读。漂亮的音节）
问题来了，除了临时过滤器，还有什么过滤器是合理的。对增量、价格运动速度、烛台或刻度线形态的过滤要比临时过滤随机得多。假设同一时间的价格表现与其他时间段的价格表现相同，看起来是合乎逻辑的。其他迹象有什么不能说的呢？
即使是定期发布的新闻，也是有时间限制的。
在给定的历史深度下，对增量的离散性进行过滤效果很好。也许使用熵滤波器来估计当前序列的规律性（可预测性）更有意义。您也可以使用新闻过滤器，但必须从某个地方下载。
如果还有其他假设，只需几行代码就能轻松内置并测试。Valeriy Yastremskiy:
其他假设经不起推敲。增量应该有效，但会有更多的误报。如果我们对它们进行时间过滤就好了）。
对于新闻，在准备数据、对其进行排序以及总体上分离和理解如何去做等方面都很困难。
新闻的难度更大，是的，这就是为什么我仍然没有这样做的原因
新文章 利用 CatBoost 算法寻找外汇市场的季节性模式已发布：
本文探索了用时间过滤器建立机器学习模型，并讨论了这种方法的有效性。现在，只要简单地指示模型在一周中某一天的某个时间进行交易，就可以消除人为因素。模式搜索可以由单独的算法提供。
您可以在函数中设置要检查的小时数列表。在我的例子中，所有的24小时都设置好了。为了实验的纯度，我通过将“min”和“max”（开启仓位的最小和最大水平）设置为15来禁用采样。“iterations”变量负责每小时的再训练周期数。增加这个参数可以得到更可靠的统计数据。操作完成后，函数将显示下图：
X轴以小时的序号为特征。Y轴表示每次迭代的R^2分数（使用10次迭代，这意味着每小时进行一次模型再培训）。如您所见，4小时、5小时和6小时的通行证位于更近的位置，这使您对找到的模式的质量更有信心。选择原则很简单 - 点的位置和密度越高，模型就越好。例如，在9-15点的时间间隔内，图中显示了大量的点分散，模型的平均质量下降到0.6。您可以进一步选择所需的小时数，重新训练模型并在自定义测试器中查看其结果。
作者：Maxim Dmitrievsky