Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 112
![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Wenn das der Fall ist, bin ich froh, das ist viel besser.
In jedem Fall zeigt der Fronttest ein viel besseres Ergebnis. Ich habe Ihre Datei in 2 Teile aufgeteilt (ohne Mischen, nur in der Reihenfolge), der erste Teil hat 50 Zeilen, der zweite 19. jPrediction hat also keinen Zugriff auf die Beispiele aus der zweiten Datei, und es werden wirklich neue Daten für das Modell sein.
In der zweiten Datei gab JPrediction schließlich nur in 9 Fällen eine Antwort. Richtig in 5 Fällen, falsch in 4. Die Genauigkeit liegt bei etwa 50 %, was kein gutes Ergebnis ist.
Alles ist gut, bis auf eine Kleinigkeit: Es gibt keinen Vergleich mit anderen Modellen.
Ich biete meine Dienste zum Vergleich an
1. Sie bereiten eine Excel-Eingabedatei mit Prädiktoren und Zielvariablen vor
2. Sie machen die Berechnung
3. Sie senden die Eingabedatei an mich.
4. Ich führe die Berechnungen mit randomforest, ada, SVM durch
Vergleich.
Was wollen Sie vergleichen?
Randomforest, Ada und SVM sind binäre Klassifikatoren, während jPrediction ternär ist.
Haben Sie Erfahrung und ein geeignetes Kriterium für den Vergleich von binären Klassifikatoren mit ternären Klassifikatoren?
Wenn Ihnen das so wichtig ist: jPrediction ist frei zugänglich, einschließlich der Quellen. Die Anleitung dazu habe ich bereits gepostet. Dort werden Modelle auf triviale Weise erstellt (erzählen Sie es nur niemandem): durch Drücken einer einzigen Taste - F8. Mit einem cleveren Gesicht können Sie in aller Ruhe mit Zahlen spielen. Aber ohne meine Beteiligung. Schließlich ist es unwahrscheinlich, dass du meine Hilfe brauchst, um eine einzige Taste zu drücken, denn ich hoffe, dass deine Eltern dir bereits erlaubt haben, den Computer allein zu benutzen?
Aber nur ohne meine Beteiligung.
Schade.
Viel Glück, Radfahrer.
Was wollen Sie vergleichen?
Randomforest, Ada und SVM sind binäre Klassifikatoren, während jPrediction ternär ist.
Haben Sie Erfahrung und ein geeignetes Kriterium für den Vergleich von binären Klassifikatoren mit ternären Klassifikatoren?
Wenn Ihnen das so wichtig ist: jPrediction ist öffentlich zugänglich, auch der Quellcode. Die Anleitung dazu habe ich bereits gepostet. Dort werden Modelle auf triviale Weise erstellt (erzählen Sie es nur niemandem): durch Drücken einer einzigen Taste - F8. Mit einem cleveren Gesicht können Sie in aller Ruhe mit Zahlen spielen. Aber ohne meine Beteiligung. Immerhin, für das Drücken einer Taste wird meine Hilfe wohl kaum benötigt werden, denn ich hoffe sehr, dass deine Eltern dir schon erlauben, den Computer selbst zu benutzen?
Wenn Sie eine eindeutige Antwort wünschen, ohne sich Daten und Algorithmen anzusehen....
Ich danke Ihnen für Ihre umfassende und verständliche Antwort.
Ja, ich spreche von der gleichen Sache. Sie können nicht verstehen, dass die NS-Ausbildung eine Kunst ist und die Wahl des richtigen Modells auf langjähriger Erfahrung und einem gewissen Gefühl dafür beruht, dass es das richtige ist. Aber nein, unsere Herren wollen eindeutige Ergebnisse. Übrigens, zum Thema Einzigartigkeit. Es ist schon eine interessante Sache, wenn ein Modell eindeutig und unmissverständlich trainiert wird. Und hier ist eine Idee, die ich habe. Ich werde an LS.... schreiben.
Wir sind keine Coryphäen - wir sind Teil der Mehrheit, deren Mitglieder in Zukunft die gleichen Ergebnisse wollen wie heute. Genau darum geht es in diesem Thema.
Und die Künstler, die Priester der Kunst, sie sind mit den Mash-ups zusammen.
Wir sind keine Coryphäen - wir sind Teil der Mehrheit, deren Mitglieder in Zukunft die gleichen Ergebnisse wollen wie heute. Genau darum geht es in diesem Thema.
Und die Künstler, die Priester der Kunst, sind bei den Mash-Ups dabei.
Ich zeige Ihnen das Skript, in dem ich den Indikator mit Selbstoptimierung der Periode erstellt habe und wie ich das Modell trainiert habe,
Das Skript ist in zwei Teile gegliedert. Der erste Teil erstellt ein Blatt mit den Zielperioden und den Daten, der zweite Teil öffnet dieses Blatt und trainiert das Modell.
Ich bin kein Programmierer, aber wenn jemand daran interessiert ist, werde ich die Fragen beantworten,
1) alle Pfade in Skripten sollten in Ihre eigenen geändert werden...
2) Versuchen Sie nicht, das Modell auf die übliche Weise zu überprüfen, indem Sie das Ziel mit den neuen Daten mit Predict vergleichen, dieser Ansatz funktioniert nicht, Sie müssen die Daten in das Programm der technischen Analyse einspeisen und dort den Handel mit Stops simulieren, bisher bin ich zutiefst davon überzeugt, dass dies der einzige objektive Weg ist, das Modell zu testen
3) Ich trainierte das Modell etwa 15 Mal, von denen nur 3 oder 4 Mal das Modell zeigte einen kleinen Verlust auf die neuen Daten, ich halte es in Anführungszeichen "stabile" Ergebnis und würdig der Aufmerksamkeit und Weiterentwicklung.
Insgesamt wurden 50 000 Daten für das Training auf 20 000 und 30 000 für den Test auf neuen Daten verwendet.
4) Die Zitate sind die gleichen wie meine, die Sie von der Finam-Websitehttps://www.finam.ru/profile/mosbirzha-fyuchersy/rts/export/?market=14&em=17455&code=SPFB.RTS&apply=0&df=18&mf=7&yf=2016&from=18 herunterladen können.08.2016&dt=18&mt=7&yt=2016&to=18.08.2016&p=7&f=SPFB.RTS_160818_160818&e=.txt&cn=SPFB.RTS&dtf=1&tmf=1&MSOR=1&mstime=on&mstimever=1&sep=1&sep2=1&datf=1&at=1
da ich aufgrund der Eigenheiten dieses Forums nicht in der Lage bin, meine Zitate anzuhängen
wie es aussiehthttp://prntscr.com/c776d3
Oder Sie können Ihr eigenes Angebot aus Metatrader verwenden
111 wird ein Datum erstellt.
222 trainiert bereits ein Modell an diesem Tag
Ich glaube, ich verstehe, warum Michaels Beispiel funktionieren könnte. Die Stärke von jPrediction liegt nicht in der Klassifizierung (50 % Genauigkeit bei neuen Daten ist wie das Werfen einer Münze), sondern in der Tatsache, dass es überhaupt keine Vorhersage macht, wenn die Modelle im Ausschuss unterschiedliche Antworten geben. Michaels Strategie funktioniert nur, weil er nicht in solch undurchsichtigen Marktmomenten handelt, in denen beide Modelle keine klare Antwort geben können. Es spielt keine Rolle, welche Vorhersage jPrediction macht, es gibt sowieso einen Fehler von 50%, die Hauptsache ist, dass man nicht handelt, wenn jPrediction sich weigert, eine Vorhersage zu machen. Dann wählt es die Richtung des Handels (Kauf/Verkauf) auf der Grundlage der Folge. Es stellt sich heraus, dass jPredictor als Detektor für eine zu chaotische Situation auf dem Markt funktioniert, wenn es besser ist, nicht zu handeln, eine sehr interessante Anwendung.
Ich habe einen ähnlichen Ansatz mit meinen Daten versucht. Ich habe mehr als 2 Modelle in meinem Ausschuss. Ich konnte keine einstimmige Antwort von ihnen erhalten, aber wenn ich handele, wenn mindestens 80 % der Modelle mit der Antwort übereinstimmen, erhalte ich bessere Ergebnisse.
Ich glaube, ich verstehe, warum Michaels Beispiel funktionieren könnte. Die Stärke von jPrediction liegt nicht in der Klassifizierung (50 % Genauigkeit bei neuen Daten ist wie das Werfen einer Münze), sondern in der Tatsache, dass es überhaupt keine Vorhersage macht, wenn die Modelle im Ausschuss unterschiedliche Antworten geben. Michaels Strategie funktioniert nur, weil er nicht in solch unklaren Marktmomenten handelt, in denen beide Modelle nicht die gleiche Antwort geben können. Es spielt keine Rolle, welche Vorhersage jPrediction macht, es gibt sowieso einen Fehler von 50%, die Hauptsache ist, nicht zu handeln, wenn jPrediction sich weigert, eine Vorhersage zu machen. Dann wählt es die Richtung des Handels (Kauf/Verkauf) auf der Grundlage der Folge. Es stellt sich heraus, dass jPredictor als Detektor für eine zu chaotische Situation auf dem Markt funktioniert, wenn es besser ist, nicht zu handeln, eine sehr interessante Anwendung.
Ich habe einen ähnlichen Ansatz mit meinen Daten versucht. Ich habe mehr als 2 Modelle in meinem Ausschuss. Ich habe keine einstimmige Antwort von ihnen erhalten, aber wenn ich handele, wenn mindestens 80 % der Modelle mit der Antwort übereinstimmen, erhalte ich bessere Handelsergebnisse.