Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 123
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
1. ich habe immer noch keine Antwort auf die Frage, wie das Muster aufgebaut/definiert/ermittelt wird? - Mir ist klar, dass die Frage wahrscheinlich zu intim ist, Sie müssen sie nicht beantworten.
Muster sind Stichproben aus einer Trainingsstichprobe. D.h. es handelt sich um eine Linie in der Stichprobe: mehrere Werte der Prädiktoren und mindestens ein Wert der abhängigen Variable.
Warum mytarmailS Patterns nennt, also das, was sich aus dem maschinellen Lernen ergibt, ist nicht klar?
2. U-Turns sind nicht einmal eine allzu "harte" Antwort, sondern fallen im Allgemeinen in die Kategorie "Ich weiß nicht, woher ich komme und ich weiß nicht, was". Hier ist eine Umkehrung auf der nächsten Kerze, nicht wahr? - noch eine? - Nein, falsch! - Vielleicht kommt es bei der vierten Kerze zu einer Umkehrung? - Ja, es gab eine Umkehr, es ging 150 Punkte nach oben und dann wieder zurück, aber nein, es war keine Umkehr, sondern eine Korrektur, obwohl es trotzdem eine Umkehr war... Es gibt keine Möglichkeit, den Begriff "Umkehrung" zu definieren! - Und deshalb gibt es keine Möglichkeit, sie zu lehren, nicht nur im Voraus, sondern sogar im gegenwärtigen Moment.
Für potenzielle Umkehrungen gibt es Indikatoren, die entsprechende Punkte auf dem Diagramm markieren können (meist durch Pfeile). Das einfachste Beispiel sind die Fraktale von B. Williams. Williams' Fraktale, die bekanntlich neu gezeichnet werden können. In diesem Fall können wir versuchen, z. B. mit Hilfe eines Klassifikators vorherzusagen, ob ein Fraktal als wahr oder falsch angezeigt wird und ob es auf der Karte bleibt (wahr). Es liegt auf der Hand, dass Sie Gewinne erzielen können, wenn Sie das wahre Fraktal richtig vorhersagen und entsprechend dem Signal in den Markt einsteigen und beim nächsten Fraktal aussteigen. Oder Geld zu verlieren, wenn sich die Vorhersage als falsch erweist, aber aus dem Markt auszusteigen, ohne auf das nächste Fraktal zu warten, und so die möglichen Verluste zu minimieren. Ich arbeite derzeit an diesem Thema.
Mihail Marchukajtes von den Bewohnern dieses Threads ist auf die Klassifizierung von Umkehrpunkten durch den tdsequenta-Indikator spezialisiert.
Ein weiterer Bewohner dieses Threads, SanSanych Fomenko, versucht, die Umkehrung von ZigZag vorherzusagen.
Die anderen Bewohner versuchen meist, die Farbe der Kerze nach dem klassifizierten Muster vorherzusagen.
Ein anderer Einwohner hier, SanSanych Fomenko, versucht, ZigZag-Umkehrungen vorherzusagen.
Wenn ich mir die anderen ansehe, versuche ich in der Regel, die Farbe der Kerze vorherzusagen, die dem Muster folgt, das ich klassifiziert habe.
Ich habe nicht versucht, ZZ-Umkehrungen vorherzusagen. Dafür gibt es viele Gründe. Ich prophezeie ZZs Schulterzugehörigkeit. Ich mag diese Zielvariable nicht, aber ein Fehler von weniger als 30% ist für mich in Ordnung, da diese Vorhersage nur ein Teil der TK ist.
Wenn ich Zeit habe, werde ich auf jeden Fall versuchen, die ZZ-Umkehr mit einigen Anpassungen, die in diesem Thread vorgenommen wurden, vorherzusagen.
1. Die Muster sind Beispiele für ein Trainingsmuster. Das heißt, sie sind eine Linie in der Stichprobe: mehrere Werte der Prädiktoren und mindestens ein Wert der abhängigen Variable.
2. Warum mytarmailS Muster nennt, also das, was beim maschinellen Lernen herauskommt, ist nicht ganz klar?
3) Für potenzielle Umkehrungen gibt es Indikatoren, die entsprechende Punkte auf dem Diagramm markieren können (meist mit Pfeilen). Das einfachste Beispiel sind die Fraktale von B. Williams. Williams' Fraktale, die bekanntlich neu gezeichnet werden können. In diesem Fall können wir z. B. mit Hilfe eines Klassifikators vorhersagen, ob ein Fraktal wahr oder falsch ist und ob es neu gezeichnet wird (falsch) oder auf dem Diagramm bleibt (wahr). Es liegt auf der Hand, dass Sie Gewinne erzielen können, wenn Sie das wahre Fraktal richtig vorhersagen und entsprechend dem Signal in den Markt einsteigen und beim nächsten Fraktal aussteigen. Oder Geld zu verlieren, wenn sich die Vorhersage als falsch erweist, aber aus dem Markt auszusteigen, ohne auf das nächste Fraktal zu warten, und so die möglichen Verluste zu minimieren. Ich arbeite derzeit an diesem Thema.
4. Mihail Marchukajtes hat sich auf die Klassifizierung von Pivotpunkten nach dem tdsequenta-Indikator spezialisiert.
5. Ein weiterer Bewohner dieses Threads, SanSanych Fomenko, versucht, die Umkehrpunkte von ZigZag vorherzusagen.
6. Andere Einwohner versuchen oft, die Farbe der dem Muster folgenden Kerze vorherzusagen.
1. Was ist ein Muster - ich verstehe, aber ich weiß nicht, was es vonmytarmailS gemessen wird (was genau sind die Indikatoren oder was sonst), das ist, warum ich gefragt (um zu versuchen, mir zu helfen, die Ursachen für die Probleme mit dem Muster zu bestimmen).
2. Ja, das ist nicht klar.
3, 4, 5 Alle Instrumente, mit denen wir eine Umkehrung feststellen können, zeichnen entweder neu oder mit einer Verzögerung und mit einer variablen Verzögerung. Ich möchte mich nicht auf Umkehrungen konzentrieren, aber ich kann Ihnen mit 100-prozentiger Sicherheit sagen, dass es nicht sinnvoll ist (um es gelinde auszudrücken), Umkehrungen zu erkennen. Viel richtiger in Bezug auf die Zuverlässigkeit der Erkennung und die Einfachheit der Beschreibung ist der unten beschriebene Ansatz(Sie können ihn im analysierten Thema ausprobieren), während ein Fraktal mit einer Verzögerung von 2-3 Kerzen erkannt wird, bedeutet dies eine Unsicherheit, die beim Handel mit allen verfügbaren Mitteln vermieden werden sollte.
6. Die Farbe ist 50/50. Unabhängig vom gewählten Horizont, völlig aussichtslos.
ZS.
Versuchen wir also zu verstehen, was in den Marktnotierungen unbestimmt ist und was als klare und "weiche" Antwort für ein Netzwerk, einen Baum, klassische TS auf Indikatoren oder was auch immer wir für den Handel verwenden wollen, dargestellt werden kann. Nach der Beantwortung dieser Fragen ist es möglich, gewinnbringende Systeme nicht nur auf der Grundlage von Gittern und anderen MO-Methoden, sondern auch auf der Grundlage klassischer Indikatoren zu erstellen. Ich verstehe, dass jemand sagen wird: "Gib mir Berichte, Monitor! - Ich werde es nicht tun, versuchen Sie es selbst, denken Sie für sich selbst.
Versuchen wir also herauszufinden, was in Marktnotierungen undefiniert ist und was als klare und dennoch "weiche" Antwort für ein Raster, einen Baum, klassische TS auf Indikatoren oder was auch immer wir für den Handel verwenden wollen, dargestellt werden kann. Nach der Beantwortung dieser Fragen ist es möglich, gewinnbringende Systeme nicht nur auf der Grundlage von Gittern und anderen MO-Methoden, sondern auch auf der Grundlage klassischer Indikatoren zu erstellen. Ich verstehe, dass jemand sagen wird: "Gib mir Berichte, Monitor! - Ich werde es nicht tun, versuchen Sie es selbst, denken Sie selbst.
Dies ist ein Zweig über maschinelles Lernen und es gibt im Prinzip kein Problem mit dem von Ihnen beschriebenen Nachzeichnen, weil nichts auf die Geschichte nachgezeichnet wird.
Der Sinn des maschinellen Lernens besteht darin, solche Kombinationen von Prädiktoren in der Vergangenheit zu finden, die eine der Klassen der Zielvariablen bestimmen. Bei Zufallswäldern sind dies nicht mehr als 300 Bäume (in der Regel 50 bis 100), die aus einer Stichprobe von höchstens 5000 Balken gewonnen werden können. Eine weitere Vergrößerung der Stichprobe erhöht nicht die Anzahl der Bäume, d. h. die Baumtypen - "Muster" - sind für einen gegebenen Satz von Prädiktoren und Zielvariablen vorbei
Das Hauptproblem ist das Übertraining, bei dem die verfügbaren Bäume in zukünftigen Stichproben die Klasse nicht mehr richtig vorhersagen, oder vielmehr die Klasse immer schlechter vorhersagen. Genau diese Frage wird in diesem Zweig betrachtet: Wir versuchen zu beweisen, dass die erhaltenen Bäume in der Zukunft vorkommen werden und dass der Klassifizierungsfehler bei zukünftigen Stichproben ungefähr der gleiche sein wird wie bei der Trainingsstichprobe.
In diesem Thread geht es um maschinelles Lernen, und es gibt kein Problem mit der Neuzeichnung, denn in der Geschichte wird nichts neu gezeichnet.
Der Sinn des maschinellen Lernens besteht darin, solche Kombinationen von Prädiktoren in der Historie zu finden, die eine der Klassen der Zielvariablen bestimmen würden. Bei Zufallswäldern sind dies nicht mehr als 300 Bäume (in der Regel 50 bis 100), die aus einer Stichprobe von höchstens 5000 Balken gewonnen werden können. Eine weitere Vergrößerung der Stichprobe erhöht nicht die Anzahl der Bäume, d. h. die Baumtypen - "Muster" - sind für einen gegebenen Satz von Prädiktoren und Zielvariablen vorbei
Das Hauptproblem ist das Übertraining, bei dem die verfügbaren Bäume in zukünftigen Stichproben die Klasse nicht mehr richtig vorhersagen, oder vielmehr die Klasse immer schlechter vorhersagen. Dies ist das Thema dieses Threads, nämlich der Versuch zu beweisen, dass die sich ergebenden Bäume in der Zukunft auftreten werden und der Klassifizierungsfehler bei zukünftigen Stichproben in etwa derselbe sein wird wie bei der Trainingsstichprobe.
Nun, das habe ich mir ungefähr so gedacht. Ich hatte eine ähnliche Reaktion erwartet.
Yury Reshetov, wenn Sie interessiert sind, schreiben Sie mir in einer persönlichen Nachricht, ich werde Ihnen sagen.
1. ich habe immer noch keine Antwort auf die Frage, wie das Muster aufgebaut/definiert/ermittelt wird? - Mir ist klar, dass dies wahrscheinlich eine zu intime Frage ist, machen Sie sich nicht die Mühe, sie zu beantworten.
Ich versuche viele Dinge, Candlestick-Kombinationen + Level-Kombinationen, Preis-Clustering, SSA + Clustering, Indikatoren mit adaptiven Perioden, Fourier, ich habe eine Idee, wie man Elliot-Wellen in einer formalisierten Weise zu beschreiben, und einige Ideen für Crowd Forecasting, aber ich weiß nicht, wie man sie zu implementieren, sie sind alle zu kompliziert
Die Muster sind Beispiele aus einer Trainingsstichprobe. D.h. es handelt sich um eine Zeichenfolge in einer Stichprobe: mehrere Werte der Prädiktoren und mindestens ein Wert der abhängigen Variable.
Warum mytarmailS Muster nennt, also das, was sich aus dem maschinellen Lernen ergibt, ist nicht ganz klar?
Ich wusste nicht, dass es ein Muster genannt wird, ich werde es mir merken, danke.
Ein anderer Bewohner dieses Gebiets, SanSanych Fomenko, versucht, die Umkehrungen von ZigZag vorherzusagen.
Eigentlich bin ich für die ZZ-Umkehrungen zuständig.
Ich möchte mich nicht auf die Umkehrungen konzentrieren, aber ich kann mit 100-prozentiger Sicherheit sagen, dass es nicht sinnvoll ist (um es gelinde auszudrücken), die Umkehrungen zu bestimmen. Viel richtiger, sowohl was die Erkennungsgenauigkeit als auch die Einfachheit der Beschreibung angeht, ist der Ansatz, den ich im Folgenden beschreibe(Sie können ihn im untersuchten Thema ausprob ieren)
Machen Sie weiter, ich freue mich darauf, und ich wäre auch daran interessiert, die Begründung zu hören, warum Zickzack-Umkehrungen kein As sind?
Nun, das ist so ziemlich das, was ich dachte. Ich hatte eine ähnliche Reaktion erwartet.
Yury Reshetov, wenn Sie daran interessiert sind, schreiben Sie mir und ich werde es Ihnen sagen.
Nun, das ist so ziemlich das, was ich dachte. Ich hatte eine ähnliche Reaktion erwartet.
Achten Sie nicht auf ihn. San Sanych kann ein wenig übermütig werden in seinen Versuchen, hier einige persönliche und "ultimative Wahrheits"-Regeln des Spiels durchzusetzen. Der Punkt ist, dass es im Bereich des maschinellen Lernens keine Eindeutigkeit gibt und dass es viele nicht vollständig ausgearbeitete Probleme zum Thema Anwendung von Black Boxes gibt. Deshalb sind sie "Black Boxes", weil sie offensichtlich nicht offensichtlich sind.
In diesem Thread geht es darum, alles zu diskutieren, was mit maschinellem Lernen zu tun hat, unabhängig davon, ob es der eigenen Weltanschauung entspricht oder ihr widerspricht. Es gibt so viele Meinungen, wie es Menschen gibt, und es gibt keinen Unterschied in Geschmack oder Farbe.
Wenn es irgendwelche Unklarheiten über ML gibt, dann diskutieren Sie sie hier - niemand wird Sie dafür beißen.
Segler, die keine Fragen haben, und diejenigen, die eine klare Vorstellung davon haben, wo sie graben müssen, und nur Pips messen wollen, können sich an einen Zweig wenden: Maschinelles Lernen: Theorie und Praxis (nur für den Handel; Zugang nur für diejenigen, die einen Status haben).
Andrej Dik:
Yury Reshetov, wenn Sie interessiert sind, schreiben Sie mir eine persönliche Nachricht und ich werde Ihnen davon erzählen.
Die Methode ist wie folgt (alles Folgende gilt gleichermaßen für ML und klassische TS).
Es geht darum, die Ungewissheit zu beseitigen, d.h. einerseits die Anpassung im Training und in der Optimierung loszuwerden und andererseits die "weichen" Anforderungen an das System eindeutig zu formulieren. TP und SL beim Einstieg sind ebenfalls eine Unsicherheit, daher verwenden wir sie nur für den Notausstieg (sie hängen von der Volatilität des Instruments ab und wir wählen sie empirisch aus, so dass 100%ige Trades so selten wie möglich Stopps auslösen, idealerweise - nie. Sagen Sie den gesamten Handel voraus, vom Einstieg bis zum Ausstieg. Wir betrachten das Ergebnis mit einem Gewinn ohne den Spread und die Kommissionen als erfolgreichen Handel (die Funktionsweise des Systems wird nach der Überprüfung, ob der Spread und die Kommissionen gedeckt sind, bestimmt). Sobald das Einstiegssignal empfangen wird, steigt das System ein und wartet dann eine bestimmte Anzahl von Takten ab (diese wird empirisch ermittelt und hängt von den Prädiktoren und dem Instrument ab). - Schließen Sie das Geschäft ab, wenn Sie verlieren, warten wir auf einen weiteren Takt. Manchmal verwende ich zwei Parameter: Minimum und Maximum (wenn ein Handel nach der maximalen Anzahl von Balken nicht geschlossen wird, wird er trotzdem geschlossen), und manchmal verwende ich nur einen - die Mindestanzahl von Balken.
Viele Leute werden überrascht sein, aber viele, selbst scheinbar hoffnungslose Systeme beginnen zu funktionieren, einschließlich TS auf Stäben, ganz zu schweigen von allen möglichen Systemen mit ML. Der Trick besteht darin, von sich selbst und der Maschine keine eisernen Regeln der TK zu verlangen, nicht zu versuchen, die Marktbewegungen vollständig zu beschreiben und diese sehr "weichen" Regeln für ML zu geben. Außerdem werden wir das schlechte Erbe des Marktes mit den starken Schwänzen los (oder genauer gesagt, die Schwänze spielen keine Rolle mehr), die fehlende Stationarität des BP spielt keine Rolle mehr - denn wir wissen, dass Marktformen vertikal und horizontal skaliert werden können, ohne ihre internen Eigenschaften zu verändern (und das macht den Emleonern das Leben extrem schwer).
Ich habe darüber im 4. Forum geschrieben, ich glaube im Swinosaurier-Thread, über zwei Arten von allen TS (mit bestimmten Grenzen und unbestimmten), aber die Idee wurde dort nicht zu Ende geführt. Jetzt ist alles deutlicher sichtbar, oder so...
Im Allgemeinen wende ich bei der Entwicklung von Handelssystemen meine Regel an: Wenn Änderungen in der Logik dazu führen, dass der Anteil erfolgreicher Varianten von Parametern unter allen möglichen Varianten steigt, dann ist das eine gute Änderung (die Wahrscheinlichkeit, eine schlechte Variante für den Handel zu wählen, sinkt, egal wie wir die Parameter ändern - wir sind dann auf der positiven Seite). Auf diese Weise konnte ich diesen Anteil in meinem TS erheblich steigern.
Die Methode ist wie folgt (alles Folgende gilt gleichermaßen für ML und klassische TS).
Es geht darum, die Ungewissheit zu beseitigen, d.h. einerseits die Anpassung im Training und in der Optimierung loszuwerden und andererseits die "weichen" Anforderungen an das System eindeutig zu formulieren. TP und SL beim Einstieg sind ebenfalls eine Unsicherheit, daher verwenden wir sie nur für den Notausstieg (sie hängen von der Volatilität des Instruments ab und wir wählen sie empirisch aus, so dass 100%ige Trades so selten wie möglich Stopps auslösen, idealerweise - nie. Sagen Sie den gesamten Handel voraus, vom Einstieg bis zum Ausstieg. Wir betrachten das Ergebnis mit einem Gewinn ohne den Spread und die Provisionen als erfolgreichen Handel (die Funktionsweise des Systems wird nach der Überprüfung, ob der Spread und die Provisionen gedeckt sind, bestimmt). Sobald das Einstiegssignal empfangen wird, steigt das System ein und wartet dann eine bestimmte Anzahl von Takten ab (diese wird empirisch ermittelt und hängt von den Prädiktoren und dem Instrument ab). - Schließen Sie das Geschäft ab, wenn Sie verlieren, warten wir auf einen weiteren Takt. Manchmal verwende ich zwei Parameter: Minimum und Maximum (wenn ein Handel nach der maximalen Anzahl von Balken nicht geschlossen wird, wird er trotzdem geschlossen), und manchmal verwende ich nur einen - die Mindestanzahl von Balken.
Viele Leute werden überrascht sein, aber viele, selbst scheinbar hoffnungslose Systeme beginnen zu funktionieren, einschließlich TS auf Stäben, ganz zu schweigen von allen möglichen Systemen mit ML. Der Trick besteht darin, von sich selbst und der Maschine keine eisernen Regeln der TK zu verlangen, nicht zu versuchen, die Marktbewegungen vollständig zu beschreiben und diese sehr "weichen" Regeln für ML zu geben. Darüber hinaus werden wir das schlechte Erbe des Marktes in Form von starken Schwänzen los (oder genauer gesagt, Schwänze spielen keine Rolle mehr), die fehlende Stationarität des BP spielt keine Rolle mehr - denn wir wissen, dass Marktformen vertikal und horizontal skaliert werden können, ohne ihre internen Eigenschaften zu verändern (und das macht das Leben für Emleoners unglaublich schwierig).
Ich habe darüber im 4. Forum geschrieben, ich glaube im Swinosaurier-Thread, über zwei Arten von allen TS (mit bestimmten Grenzen und unbestimmten), aber die Idee wurde dort nicht zu Ende geführt. Jetzt ist alles deutlicher sichtbar, oder so...
Im Allgemeinen wende ich bei der Entwicklung von Handelssystemen meine Regel an: Wenn Änderungen in der Logik dazu führen, dass der Anteil erfolgreicher Varianten von Parametern unter allen möglichen Varianten steigt, dann ist das eine gute Änderung (die Wahrscheinlichkeit, eine schlechte Variante für den Handel zu wählen, sinkt, egal wie wir die Parameter ändern - wir sind dann auf der positiven Seite). Durch diesen Ansatz konnte der Anteil in meinem TS erhöht werden.