트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 948

새 코멘트
 
산산이치 포멘코 :
일반적으로 3등급의 목표는 그다지 좋지 않습니다. (-1.0)과 (0.1)의 두 가지 목표로 분할하고 위치를 결정할 때 결합하는 것이 좋습니다.

제가 3급을 요구한 내용입니다. 몇 페이지 전에는 대상이 두 개뿐인 동일한 파일이 있었습니다. 나는 두 가지 목표를 마스터하지 못했습니다. (한 수업은 양적으로 매우 편향되어 있고 또한 어렵습니다), 지금 세 가지를 시도하고 있습니다.

 

나는 randomForest를 기다렸지만 훈련 파일의 경우 원본 파일의 10%를 가져갔습니다.

결과는 다음과 같습니다.

Number of observations used to build the model: 20276
Missing value imputation is active.

Call:
 randomForest(formula = as .factor(arr_Buy) ~ .,
              data = crs$dataset[crs$sample, c(crs$ input , crs$target)],
              ntree = 500 , mtry = 7 , importance = TRUE , replace = FALSE , na.action = randomForest::na.roughfix)

               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 7

        OOB estimate of  error rate: 11.22 %
Confusion matrix:
     - 1      0      1 class .error
- 1 5335    314    21    0.05908289
0      95 8712    480    0.06191450
1      2 1363 3954    0.25662719

Variable Importance
===================

                                 - 1        0        1 MeanDecreaseAccuracy MeanDecreaseGini
arr_Sell                     223.88 208.20 164.24                216.84            3073.97
arr_DonProcVisota             25.86    57.39    53.05                  57.46            203.17
Levl_Close_MN1                 21.45    51.65    52.89                  58.17            140.68
Levl_High_H4                   22.35    51.81    50.33                  58.17            118.24
Levl_Close_W1                 20.11    48.85    49.94                  52.90            145.82
arr_LastBarPeresekD_Down_M15   22.38    49.70    49.39                  57.02            129.74
arr_Den_Nedeli                 21.46    44.74    49.06                  49.48            129.12
Levl_Low_H4                   20.55    47.30    47.49                  50.63            126.02
arr_Regresor                   23.40    46.78    46.25                  50.94            126.67
Levl_Close_D1                 21.03    42.44    44.51                  47.91            164.55
Levl_Support_D1               22.47    47.09    44.35                  51.17            153.52
Levl_Low_H1                   20.62    47.36    43.94                  50.02            132.55
Levl_Support_W1               18.05    47.42    43.40                  47.19            134.89
arr_DonProc_M15               23.81    50.52    42.83                  52.10            184.02
arr_TimeH                     20.55    41.15    42.07                  42.59            109.51
arr_LastBarPeresekD_Up_M15     22.46    43.85    41.64                  47.63            134.78
arr_DonProc                   21.88    56.26    41.49                  50.51            228.07
Levl_High_W1                   20.78    40.34    41.27                  45.67              91.07
Levl_Low_D1                   18.87    39.05    40.81                  42.30            116.54
Levl_Support_MN1               18.99    39.66    40.36                  41.64            122.87
Levl_High_MN1                 17.25    36.97    39.62                  40.44              88.72
Levl_first_H4                 18.77    38.39    38.71                  42.28              70.63
arr_LastBarPeresekD_Down       19.31    42.64    37.27                  44.06            150.78
Levl_Low_MN1                   17.96    37.24    36.40                  37.83              92.71
Levl_first_H1                 14.43    35.64    34.62                  37.45              78.99
Levl_High_D1                   19.35    34.28    34.48                  36.43            106.69
Levl_Close_H4                 19.72    39.58    33.59                  39.85            170.80
X_USE_Filter_MA_02             15.76    33.70    33.01                  38.00              50.89
Levl_Support_H4               16.71    39.24    32.66                  36.73            152.03
Levl_Low_W1                   16.72    34.05    32.47                  33.22            111.06
Levl_High_H1                   17.58    33.14    31.93                  33.90            117.74
Levl_Close_H1                 19.09    35.94    30.80                  35.35            160.90
Levl_first_W1                 12.82    30.50    30.57                  31.63              51.57
X_Use_Donchianf               13.69    28.78    30.46                  31.47              59.44
Levl_first_MN1                 13.94    27.58    30.02                  29.14              59.58
arr_LastBarPeresekD_Up         15.96    31.32    28.67                  30.59            142.72
Use_Filter_MA_Prirost         11.99    27.62    26.88                  33.29              38.78
arr_Vektor_Don_M15             13.70    26.01    25.25                  29.80              32.87
X_Use_BarPeresek_iMA_TF       11.40    18.48    25.17                  25.30              20.57
Levl_first_D1                 14.97    28.47    24.99                  29.17              46.49
X_Use_Filter_Fibo_in_Day       12.43    24.34    24.84                  29.00              45.29
Levl_Support_H1               17.57    29.98    24.77                  28.92            141.18
arr_Vektor_Week                 7.99    19.81    24.10                  21.56              27.30
arr_RSI_Open_H1               10.31    25.18    23.80                  29.74              27.62
X_USE_Filter_MA               12.64    22.15    22.22                  25.99              41.49
arr_Vektor_Don                 10.20    19.81    15.88                  17.82              41.06
arr_Vektor_Day                 11.65    15.07    15.62                  16.44              25.24
arr_BB_Center                 10.41    15.87    14.93                  15.48              38.40
arr_BB_Up                       7.78    10.50    14.74                  13.99              17.23
X_Use_ChanelEvaProc             4.30    13.36    12.15                  17.63              67.45
arr_RSI_Open_M1                 7.45    12.63    10.49                  13.56              25.92
arr_BB_Down                     5.47    14.77    7.02                  14.50              16.72
USE_Filter_MA_Donchian         0.72    0.10    4.71                  3.29              1.78

Time taken: 2.29 mins
 

흥미로운 차트가 있습니다.


그에 따르면 트리의 수를 약 50개로 늘리면 오차가 줄어들지만 트리의 수를 100개 이상으로 늘린 후에는 완전히 비어있는 연습임을 알 수 있습니다.

 

다음은 검증 및 테스트의 결과입니다. 나는 그것들을 크게 가지고 있다. 원본의 45% 

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [validate] (counts):

      Predicted
Actual    - 1      0      1 Error
    - 1 24023    1523      70    6.2
     0      473 39706    1964    5.8
     1      10    5858 17615    25.0

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [validate] (proportions):

      Predicted
Actual   - 1      0      1 Error
    - 1 26.3    1.7    0.1    6.2
     0    0.5 43.5    2.2    5.8
     1    0.0    6.4 19.3    25.0

Overall error: 10.9 %, Averaged class error: 12.33333 %


Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [test] (counts):

      Predicted
Actual    - 1      0      1 Error
    - 1 23847    1502      73    6.2
     0      455 39677    1984    5.8
     1        7    6024 17673    25.4

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [test] (proportions):

      Predicted
Actual   - 1      0      1 Error
    - 1 26.1    1.6    0.1    6.2
     0    0.5 43.5    2.2    5.8
     1    0.0    6.6 19.4    25.4

Overall error: 11 %, Averaged class error: 12.46667 %
 

앞이 보이지 않는다면 꽤 괜찮은 편입니다.

M1의 TS는 명확하지 않습니다. 스프레드 내에서 예측할 것입니다.

 
산산이치 포멘코 :

나는 randomForest를 기다렸지만 훈련 파일의 경우 원본 파일의 10%를 가져갔습니다.

결과는 다음과 같습니다.

덕분에 결과를 보니 나쁘지 않은 것 같은데요?

그런데 예측변수 중요도 테이블로 볼 때 예측변수로 arr_Sell을 사용한 것 같나요? 그렇다면 이것은 사실이 아닙니다.

산산이치 포멘코 :

흥미로운 차트가 있습니다.


그에 따르면 트리 수를 약 50개로 늘리면 오류가 줄어들지만 트리 수를 100개 이상으로 늘리면 완전히 공허한 연습임을 알 수 있습니다.

그래서 그것은 아마도 논리적일 것입니다. 예측자가 많을수록 더 많은 결정을 내릴 수 있습니까, 아니면 문제의 본질을 올바르게 이해하지 못하는 것입니까?

 
산산이치 포멘코 :

앞이 보이지 않는다면 꽤 괜찮은 편입니다.

M1의 TS는 명확하지 않습니다. 스프레드 내에서 예측할 것입니다.

추세 전략이 있으며 Si의 MOEX 거래소에서 작동합니다. 확산은 중요하지 않습니다.

 

최종 결정을 내리려면:

  • 매우 특정한 입력 파일의 조건에서 예측자의 예측 능력 테스트
  • 물리적으로 입력 파일을 두 부분으로 나눕니다. 하나는 내가 한 작업을 수행하고 두 번째는 완성된 포리스트를 실행합니다. 오류가 일치하면 백만장자 또는 억만장자입니다!

 
알렉세이 비아즈미킨 :

추세 전략이 있으며 Si의 MOEX 거래소에서 작동합니다. 확산은 중요하지 않습니다.

분류의 추세는 무엇입니까? 클래스 예측 오류는 추세를 깨고 추세에 아무것도 남지 않습니다.

 
알렉세이 비아즈미킨 :


그런데 예측변수 중요도 테이블로 볼 때 예측변수로 arr_Sell을 사용한 것 같나요? 그렇다면 이것은 사실이 아닙니다.


물론, 전나무!

다른 무엇?

이제 계산하겠습니다.

1...941942943944945946947948949950951952953954955...3399
새 코멘트
사유: