Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 193

 

Ich spiele jetzt schon eine Weile mit dem Faltungsneuron herum. Bisher hat es nicht geklappt, aber zumindest habe ich herausgefunden, wie ich mich darauf vorbereiten und es vorhersagen kann. Hier ist ein einfacher Code mit Kommentaren und einer Tabelle für den Test.

Es gibt zwei Faltungsschichten und eine normale versteckte Schicht. Das trainierte Modell produziert am Ende immer "1" am Ausgang (kaufen). Die Idee ist, Dutzende, nicht 2 Faltungsschichten zu haben und dann wochenlang zu trainieren, und es gibt überhaupt keine Erfolgsgarantie. Aber einen Versuch ist es wert.

Ich habe forex_mxnet.txtneu gepatcht, es gab dort einen Fehler, bei einer Softmax-Funktion sollte die Anzahl der Ausgänge auf der letzten Schicht gleich der Anzahl der Klassen sein. Die Option mit Regression ist in diesem Fall überhaupt nicht möglich.

Dateien:
eurusd_h1.zip  30 kb
forex_mxnet.txt  20 kb
 
Dr. Trader:

1) Ich bin mir nicht sicher, was Sie mit "Clustering" meinen. Normalerweise wird nicht ein bestimmter Prädiktor geclustert, sondern man nimmt ein Dutzend von ihnen und findet Bereiche im Raum, in denen diese Punkte geclustert sind. In der nachstehenden Abbildung zum Beispiel ergeben sich bei zwei Prädiktoren beim Clustern in 2 Clustern nur blaue und rote Cluster.

2) Vielleicht sprechen Sie von Mustern? Grünes Muster - der Preis geht nach unten und dann nach oben. Gelb: Der Preis steigt von unten nach oben. Rot: auf->ab. Haben Sie es richtig verstanden?


Anfangs wissen wir nicht, welche Prädiktoren gut und welche schlecht sind, wenn wir sie alle auf einmal in einem Modell zusammenfassen (stochastisch+rsi+masd.......) = Cluster 1,2,3,4,5..... dann werden wir auch die unnötigen Prädiktoren berücksichtigen, wir werden nicht einmal wissen, dass sie unnötig sind...

Wir müssen jeden Prädiktor clustern

K1 = (stochastisch) = Cluster 1,2,3,4,5....

K2 = (rci) = Cluster 1,2,3,4,5....

K3 = (Masse) = Bündel 1,2,3,4,5....

dann suchen wir nach Kombinationen nach Anzahl der Cluster zwischen Kombinationen von Modellen

К1

K1 und K2

K2 und K3

K1 und K3

K1 und K2 und K3

2) Richtig, in diesem Zusammenhang sind Cluster und Muster das Gleiche

 
mytarmailS:

Cluster und Muster sind unterschiedlich. Cluster auf einem Vektor sind Intervalle, d. h. die Liste aller zulässigen Indikatorwerte ist in mehrere Zonen unterteilt. Aber in diesem Fall sind die Intervalle 2 und 3 auf Ihrem Bild ein und dasselbe.

Wenn aber der zweite und der dritte Cluster notwendigerweise unterschiedliche Dinge sind, dann sind es keine Cluster mehr, sondern Muster.

 
Dr.Trader:

Cluster und Muster sind unterschiedlich. Cluster auf einem Vektor sind Intervalle, d. h. die Liste aller zulässigen Indikatorwerte ist in mehrere Zonen unterteilt. Aber in diesem Fall sind die Intervalle 2 und 3 auf Ihrem Bild ein und dasselbe.

Wenn aber der zweite und der dritte Cluster notwendigerweise unterschiedliche Dinge sind, handelt es sich nicht mehr um Cluster, sondern um Muster.

Wenn wir nicht den letzten Indikatorwert, sondern z. B. 10 letzte Werte im gleitenden Fenster clustern, erhalten wir ein Cluster mit einer bestimmten Anzahl, die sowohl numerische als auch geometrische Merkmale des Indikators (Steigungen usw.) berücksichtigt.

Ist es ein Cluster oder ein Muster?

Habe ich Ihre Frage beantwortet oder habe ich die Frage nicht verstanden? :)

 
mytarmailS:

Habe ich Ihre Frage beantwortet oder habe ich die Frage falsch verstanden? :)

Das ist ja, ganz schön geballt, dann ist es ok.
 

Hier untersuche ich, wie sich der Ausschuss aller verfügbaren Modelle bei der Validierung im Vergleich zu naiven Näherungen verhält: nur kaufen, nur verkaufen, zufällige Richtungen.

Bai liegt in dieser Stichprobe leicht vorn.

Es steht eine weitere verzögerte Stichprobe an, um den dünn besetzten Ausschuss zu validieren. Es ist möglich, dass der Verkauf besser wird. Aber es kommt darauf an, wie sich der Modellausschuss verhält...

Korrelation mit dem von mir angegebenen Schema:

 
Alexey Burnakov:

Bai liegt bei dieser Probe leicht vorn.

Wenn das Preisdiagramm in diesem Zeitrahmen ansteigt, ist es statistisch gesehen manchmal profitabler, einfach einen Kauf zu eröffnen, ihn zu halten und zu schließen. Es ist zwar nicht "profitabel", aber der Verlust ist geringer als bei der Eröffnung eines Verkaufsauftrags und dem Halten des Auftrags für einige Zeit. Deshalb sind "Buy-only" und "Sell-only" so schön symmetrisch um zufällige Trades herum. Es ist nicht das Modell selbst, das die Nase vorn hat, sondern nur der Preis, der es erfolgreich begleitet.
 
Dr. Trader:
Wenn das Preisdiagramm in diesem Zeitrahmen ansteigt, ist es statistisch gesehen manchmal profitabler, einfach einen Kaufhandel zu eröffnen, zu halten und zu schließen. Das heißt nicht, dass es "profitabel" ist, aber der Verlust wird geringer sein, als wenn Sie wahllos einen Verkaufshandel eröffnen und ihn eine Weile halten. Deshalb sind "Buy-only" und "Sell-only" so schön symmetrisch um zufällige Trades herum. Es ist nicht das Modell selbst, das die Nase vorn hat, sondern nur der Preis, der es erfolgreich begleitet.
Das ist es, wovon ich spreche. Es wurden sowohl reine Verkaufsgeschäfte als auch reine Kaufgeschäfte und Zufallsgeschäfte ohne Muster getätigt... Aber der Trend ging nach oben und der Kauf war besser als der Rest der zufälligen.

Und die Angebote für die trainierten Modelle sind grün... In dieser Stichprobe liegen sie an der Spitze. Dieses besondere Ziel wurde gewählt, weil die Modelle in dieser Stichprobe, die weder am Training noch an der Musterauswahl beteiligt war, im Durchschnitt im Plus liegen. Dann wird der Ausschuss die Ergebnisse optimieren und validieren. Und ich werde die letzte verzögerte Stichprobe nur einmal in der gesamten Studie verwenden.

PS ) Alles inklusive des Aufstrichs. Die Zufälligkeit ist also unter Null verteilt.
 

Es sieht im Allgemeinen gut aus, ich bin gespannt, was am Ende passieren wird.

Was den Ausschuss betrifft, so habe ich einige Beispiele genannt, aber es gibt auch Modelle, die eine Regression mit Rundung zur Klassifizierung verwenden, und da ist es nicht so eindeutig. Ich habe zwei verschiedene Möglichkeiten ausprobiert, die Stimmen zu kombinieren:

1) alles auf Klassen aufteilen und die Klasse nehmen, die die meisten Stimmen erhält.
D.h. eine Vorhersage für 4 Takte aus drei Modellen
c(0,1, 0,5, 0,4, 0,4) c(0,6, 0,5, 0,7, 0,1) c(0,1, 0,2, 0,5, 0,7) Ich würde es weiter auf die Klassen aufrunden
c(0, 1, 0, 0) c(1,1,1,0) c(0,0,1,1) , und der endgültige Vektor mit Vorhersagen wäre c(0, 1, 1, 0) nach Anzahl der Stimmen.

2) eine andere Möglichkeit besteht darin, das durchschnittliche Ergebnis sofort zu ermitteln und es erst dann auf die Klassen aufzurunden
das Ergebnis wäre c((0.1+0.6+0.1)/3, (0.5+0.5+0.2)/3, (0.4+0.7+0.5)/3, (0.4+0.1+0.7)/3)
oder (0,2666667, 0,4000000, 0,5333333, 0,4000000), oder
c(0, 0, 1, 0)

Sie sehen, dass das Ergebnis unterschiedlich ausfällt und davon abhängt, welcher Schritt gerundet werden soll. Ich weiß nicht, welche Methode die üblichere ist, aber ich denke, dass die zweite Methode bei neuen Daten besser funktioniert.
 
Alexey Burnakov:

Hier untersuche ich, wie sich der Ausschuss aller verfügbaren Modelle bei der Validierung im Vergleich zu naiven Näherungen verhält: nur kaufen, nur verkaufen, zufällige Richtungen.

Bai liegt in dieser Stichprobe leicht vorn.

Es steht eine weitere verzögerte Stichprobe an, um den dünn besetzten Ausschuss zu validieren. Es ist möglich, dass der Verkauf besser wird. Aber es kommt darauf an, wie sich der Modellausschuss verhält...

Korrelation mit dem von mir angegebenen Schema:

Die Hauptsache ist, dass mein Sequent Demark's TP einige interessante Funktionen hat, eine davon. Es gibt mehr Kaufsignale und die Modelleisenbahnen fahren besser auf ihnen; es gibt weniger Verkaufssignale und die Modelleisenbahnen fahren schlechter auf ihnen. Ich denke, es zeigt einen globalen Trend nach unten, wenn das Bild ins Gegenteil umschlägt, gibt es Voraussetzungen zum Kauf, ich meine natürlich das Pfund, und auf den Juden kann man das auch einmal sehen....