Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 433
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
Ich erinnere mich, bevor solche Faltung "Muster" schien mir nichts anderes als ein Gral, hrenFx sogar legte eine solche Indikator vor 10 Jahren, ich habe auch meine eigene Version, aber... es funktioniert nicht wirklich, zumindest nicht für einfache Varianten mit Abstimmung der Faltung der verschiedenen TFs.
Ich verstehe, dass er es nicht selbst tun kann - es gibt Signale, die in die Geschichte eingehen, und es gibt eine Reihe von Indikatoren, die klassifiziert werden müssen, aber das Ergebnis der NS-Arbeit ist nicht die Bestätigung des Signals, sondern die Erzeugung des Signals selbst. Ich entschuldige mich, vielleicht ist es dumm, aber mit meinem mageren Wissen über das Thema sehe ich nicht, warum es nicht möglich ist - nachdem ich Ihren Artikel gelesen habe.
Das mit der ZZ verstehe ich nicht - eine normale ZZ zeigt das aktuelle Extremum...
Und noch einmal, ein RZ ist für die Signalerzeugung, nicht für seine Bestätigung - d.h. es gibt immer ein Signal - verkaufen, wenn der Markt steigt, aber der NS muss es bestätigen, basierend auf dem Muster der vergangenen Schwankungen.
Verstehe ich das richtig, dass der Vorteil von NS darin besteht, dass das Signal durch eine Reihe von Mustern bestätigt oder abgelehnt werden kann, die in der Historie gesammelt werden, sich nicht widersprechen dürfen und überprüft werden, wenn ein Handelssignal erscheint?
Es ist eine lange Erklärung, im Allgemeinen ist ZZ nicht geeignet. Das sage ich Ihnen ganz sicher. Und noch eine Sache:
Wir müssen entscheiden, was wir tun wollen. Vorhersagen oder klassifizieren. Die Ansätze sind völlig unterschiedlich, aber sie haben das gleiche Ziel ....
Schauen Sie sich den Artikel noch einmal an. Die Basisstrategie wird nur benötigt, um den Zeitpunkt zu bestimmen, zu dem wir den Markt analysieren. Das heißt, das Ereignis ist eingetreten, wir beginnen die Analyse. Das Ereignis kann alles Mögliche sein.
Angenommen, die Waggons kreuzen sich, das Ereignis ist eingetreten und wir beginnen mit der Analyse.
In gewisser Weise haben Sie Recht. Der Nationale Computer erzeugt selbst Signale, wobei jedoch zu berücksichtigen ist, dass er zum Zeitpunkt der Signalbildung der Basisstrategie arbeitet. Es stellt sich heraus, dass der NS eine Bestätigung oder Widerlegung des zugrunde liegenden Strategiesignals ist. So sieht es aus....
Zuerst lade ich die 375000 Balken (bei M1 ist es ein Jahr) in ein Array, d.h. in den RAM (ca. 30-60 Sekunden), dann dauert es je nach Tiefe des Musters 30 bis 700 ms, um es durchzugehen.
Ich sage noch einmal, wie man an diese Aufgabe herangehen sollte. Ich glaube, es gibt Fische....
Aber wir werden das Netz für ein Muster trainieren. Die Muster, die den Markt vergrößern, markieren wir mit 1, die, die den Markt verkleinern, markieren wir mit 0. Alles, was wir jetzt noch tun müssen, ist, NS zu trainieren.
Meiner Erfahrung nach ist es besser, dies nicht zu tun. Wenn Sie die Preisschritte für den nächsten Balken kennen, dann ist es besser, sie als Ziel für die Neuronik zu verwenden. Schließlich sind die Inkremente auch eine Information, die beim Training nützlich sein kann, im Vergleich zu nur zwei Klassen 0 und 1. Selbst wenn die Regressionsvorhersagen dann immer noch zwei Klassen ergeben (Kauf/Verkauf), ist es besser, das Regressionsergebnis aufzurunden, als in der Trainingsphase einige Informationen zu verwerfen.
Zum Beispiel bricht mein mehr oder weniger funktionierendes Regressionsmodell für Forex zusammen, wenn ich das Modell durch ein Klassifizierungsmodell ersetze (in R ist der Übergang zwischen Klassifizierung und Regression eigentlich sehr einfach, die Klassifizierung wird normalerweise automatisch aktiviert, wenn alle Ziele auf 0 und 1 gerundet sind, oder wenn das Ziel einen Typfaktor hat).
Ich habe einen Indikator erstellt, der nach ähnlichen Mustern in der Geschichte sucht. Hier ist der aktuelle Wert auf M1 EURUSD. Die 10 ähnlichsten in diesem Jahr. Ich habe das Beispiel aus dem Artikel https://www.mql5.com/ru/articles/197 leicht überarbeitet - statt einer ähnlichsten Variante nehme ich N ähnlichste und mittle die Antwort barweise. Für die Suche nach dem Muster verwende ich nicht nur einen Schlusskurs, sondern den Kanal, in dem sich der Kurs während dieses Zeitraums befunden hat, d. h. Tief und Hoch. Ich erhöhe Low um den Wert des Spreads.
Wie man sieht, gab es bei diesem Muster in der Geschichte sowohl Abwärts- als auch Aufwärtsbewegungen (graue und dunkelrote Linien). Die durchschnittliche Preisbewegung (weiße und rote Linien) ist fast Null (etwas breiter als der Spread), wir sollten nicht mit einer solchen Vorhersage handeln, Spread, Swap und Kommission werden zu einem Verlust führen. Manchmal gibt es Muster mit einer guten Vorhersage auf der einen Seite, aber auf dem nächsten Balken kann sich die Vorhersage umkehren. Wenn man in diesem Fall die Position umkehrt, dann machen Spread und Kommission den ersten Handel wieder unrentabel.
Die Indikatorvorhersage kann mit der NS-Regression verglichen werden, aber aus der Regression lässt sich leicht ein Klassifikator erstellen. Zusätzlich zu Low und High können beliebige Indikatoren hinzugefügt werden.
Wenn ich richtig verstanden habe, tun neuronale Netze im Wesentlichen dasselbe wie dieser Durchschnittsindikator, d. h. sie suchen nach ähnlichen Vorhersagewerten (in meinem Fall nur der Preis) in der Vergangenheit (z. B. ein Jahr) und erstellen eine Durchschnittsprognose.
Ist es sinnvoll, NS zu verwenden, wenn es einen einfacheren Weg gibt - einfach durch die Geschichte schauen? Was ist ihr Vorteil?
PS
Nun, die Tatsache, dass der Preis in beide Richtungen mit dem gleichen Muster ging, kann entweder als Zufallsprozess oder als Marionettentrick angesehen werden, der versucht, die Strategien beider Musterfinder direkt auf den Charts und den NS-Nutzern zu brechen, um schlechtere Vorhersagen zu machen, oder vielmehr die Vorhersage auf etwa Null zu reduzieren, wie in der Abbildung.
Wird nach Korrelationsmustern gesucht? Wenn ja, sind diese leer.
aktuelle Woche des Handels meine NS (Tests), etwa einen weiteren Monat von Tests und es wird möglich sein, auf normales Geld zu übertragen. Insgesamt: In einem Monat wurde eine einfache, robuste NS geschrieben.
Wird nach Korrelationsmustern gesucht? wenn ja, leer
Ich sehe keine anderen Optionen für den Vergleich von 2 Preisdiagrammen. Welche anderen Möglichkeiten gibt es...?
Das ist das Wichtigste, was ich meinen Studenten beibringe: Ein Mann ist prinzipientreu, nicht zu beugen, wenn er sich entscheidet - dann bis zum Tod. Ich hatte einen Schüler (Maxim), der nicht die Kraft hatte, ihm fehlte der Charakter, er war zu verweichlicht, er zitterte, aber du wirst es schaffen - du bist ein Mann!
Durch Korrelation, d. h. durch die Differenz zwischen den Kursen auf jedem Balken des gesuchten Musters. Nennen wir den Fehler auf dem Balken, fassen wir die Fehler für alle Balken zusammen, sortieren wir nach dem resultierenden Fehler und finden wir die N besten, - die ähnlichsten Varianten.
Ich sehe keine anderen Optionen für den Vergleich von 2 Preisdiagrammen. Welche anderen Möglichkeiten gibt es...?
Zum einen müssen wir affine Transformationen der Charts vornehmen, da die Muster unterschiedliche Neigungswinkel aufweisen (selbstaffine Strukturen), und zum anderen müssen wir in verschiedenen Zeitrahmen suchen. Aber all das hilft nicht, wenn die Korrelation verwendet wird - sie findet sehr unähnliche Muster. Konvergente NS (Computer Vision) wären dafür besser geeignet.
Ich wollte experimentieren, bin aber noch nicht dazu gekommen.
Was die Vorhersage betrifft, so ist dies ein recht interessantes Thema. Wir haben also einen Paternoster, der im Hintergrund der Geschichte zu finden ist. Genau so, wie es jetzt ist. Die Reaktion des Marktes auf dieses Muster ist jedoch nicht eindeutig. Es gibt ein Auf und ein Ab.
Wie aus den Diagrammen ersichtlich ist, wurde dasselbe Muster mehrmals gefunden, so dass es mehrere mögliche Ergebnisse gibt. An dieser Stelle muss die Klassifizierung aktiviert werden. Aber wir werden das Netz für ein Muster trainieren. Die Muster, die zu einem Marktwachstum geführt haben, werden mit 1 bewertet, die Muster, die zu einem Marktrückgang geführt haben, werden mit 0 bewertet. Wenn dieses Muster auftaucht, werden wir die Eingabewerte zu diesem Zeitpunkt eingeben und NS wird sagen, ob es sich um ein Muster für Wachstum oder für einen Rückgang des Marktes handelt.
Es wird nicht möglich sein, die erhaltenen N Muster aus der Historie zu trennen, da sie dem gewünschten Muster maximal ähnlich sind und nur minimale Unterschiede zwischen ihnen bestehen.
Wenn Sie die Unterschiede minimieren wollen, sollten Sie nicht nach 10, sondern nach 2-3 ähnlichsten Mustern suchen, aber die Vorhersage für 3 Muster wird einen Vorhersagefehler von 33% haben, für 10 Muster 10%, für 100 Muster ungefähr 1% (ich denke, in die Fehlerberechnung sollte der Fehlergrad jedes gefundenen Musters gegenüber dem Original einbezogen werden).
Die Frage nach der optimalen Anzahl von Vorlagen für eine Vorhersage kann dem Optimierer überlassen werden.
Es gibt keine Möglichkeit, die N-Muster von der Historie zu trennen, da sie dem gewünschten Muster so ähnlich wie möglich sind und nur minimale Unterschiede zwischen ihnen bestehen.
Wenn Sie die Unterschiede minimieren wollen, sollten Sie nach den 2-3 ähnlichsten Mustern suchen, aber die Vorhersage für 3 Muster hat einen Vorhersagefehler = 33 %, für 10 Muster 10 %, für 100 Muster ungefähr 1 % (ich denke, in die Fehlerberechnung sollte der Fehler in jedem aus dem Original gefundenen Muster einbezogen werden).
Die Frage nach der optimalen Anzahl von Vorlagen, mit denen die Vorhersage erstellt werden soll, kann dem Optimierer überlassen werden.