Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 452
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 nehme an, dass alle Probleme bei der Verwendung von MO im Handel gelöst sind und Sie zu Bildern wechseln können?
Das ist sehr bedauerlich. Der Thread scheint ausgetrocknet zu sein.
Ich nehme an, dass alle Probleme bei der Verwendung von MO im Handel gelöst sind und Sie zu Bildern wechseln können?
Das ist sehr bedauerlich. Der Zweig scheint vertrocknet zu sein.
Haben Sie wirklich alle 452 Seiten gelesen? )
Und wissen Sie was?
Ich habe es gelesen.
Und wissen Sie was?
Ich habe es auf jeden Fall gelesen.
Ich nur selektiv).
Aber das Thema ist bereits so umfangreich, dass es fast unmöglich ist, darin etwas Bestimmtes zu finden. Ich habe es versucht, ich habe es auf über 300 Seiten gefunden. Aber es dauert zu lange).
Ich nehme an, dass alle Probleme, die mit der Verwendung von MO im Handel verbunden sind, gelöst sind und Sie zu Bildern wechseln können?
Je mehr die alten Probleme gelöst werden, desto mehr neue bleiben ungelöst.
Vor einiger Zeit begann ich zu lernen, nicht die Richtung vorherzusagen, in die sich der Preis bewegen wird (2 Klassen aufwärts und abwärts), sondern den Betrag des Preisanstiegs pro Bar (Regression). Es ist komplizierter, aber die Ergebnisse sind viel klarer.
Wenn Sie die Klassifizierung mit einer Genauigkeit von 60 % und einem schönen Diagramm erreichen können, ist es viel schwieriger, einen positiven R^2 bei der Regression zu erzielen. Auf der Grundlage der im Terminal verfügbaren Daten scheint es unmöglich zu sein, R^2 = 1 zu erreichen.
Doch während die Klassifizierung im Backtest in der Regel gute und im Fronttest schlechte Ergebnisse liefert, lässt die Regression mit angemessener Kreuzvalidierung auch den Backtest schlecht aussehen, was an sich schon auf schlechte Ergebnisse bei neuen Daten hindeutet, keine falschen Erwartungen.
Durch Hinzufügen verschiedener bewährter Kreuzvalidierungsmethoden und Ausprobieren verschiedener Modelle stellt sich heraus, dass selbst ein gut trainiertes stabiles Modell nicht möglich ist, da nicht genügend Daten vorhanden sind. Wahrscheinlich lässt sich dieses Problem nur mit kostenpflichtigen Abonnements für hochwertige Prädiktoren lösen.
Für mich selbst habe ich bisher folgende Richtung eingeschlagen - Preisanstieg auf M5 vorhersagen, das Modell auf jedem neuen Balken trainieren, den Handel zeitlich auf nicht mehr als ein paar Stunden pro Tag begrenzen, und die Handelszeit selbst sollte irgendwie ausgewählt werden, zum Beispiel habe ich viele Expert Advisors auf dem Markt gesehen, die nur für ein paar Stunden um Mitternacht arbeiten, wenn die großen Börsen nicht arbeiten. Die Verwendung eines Zeitrahmens unter M5 oder die Arbeit mit Ticks scheint unmöglich zu sein, da der Spread alle Gewinne auffressen würde. Wenn es funktioniert, wird es großartig sein.
Auch Forex ist nach meinen Beobachtungen sehr künstlich. Es gibt Muster, die sich seit Jahren wiederholen, und der Preis verhält sich entweder nach ihnen oder gegen sie, um im Durchschnitt bei Null zu liegen.
Wenn ich nicht meinen eigenen Gewinn mit den Market Advisors sehen würde, hätte ich das Studium der Forex Market Advisors schon lange aufgegeben. Aber wie sich herausstellt, gibt es erfolgreiche Beispiele, und es gibt etwas, das man anstreben kann.
Auch Forex ist nach meinen Beobachtungen sehr künstlich. Es gibt Muster, die sich seit Jahren wiederholen, und der Preis verhält sich entweder nach ihnen oder gegen sie, um im Durchschnitt bei Null zu liegen.
Wenn ich nicht meinen eigenen Gewinn mit den Market Advisors sehen würde, hätte ich das Studium der Forex Market Advisors schon lange aufgegeben. Aber in diesem Fall ist sie erfolgreich, also gibt es etwas, das man anstreben kann.
Experiment. Wie wäre es, verschiedene gbpusd-, usdchf-, usdrub- und andere populäre Symbole zu nehmen und sie zur Vorhersage des eurusd zu verwenden.
Hier sind zwei Tabellen in atache, train.csv und test.csv, in denen das Ziel der eurusd m5-Gewinn über den nächsten Balken ist, und die Prädiktoren sind audusdOpen[0]-audusdOpen[1], audusdOpen[2]-audusdOpen[3], audusdOpen[3]-audusdOpen[4], eurusdOpen[0]-eurusdOpen[1], eurusdOpen[1]-eurusdOpen[2] usw. Es gibt insgesamt 12 Symbole, von denen jeweils die Inkremente der vorangegangenen 3 Balken der Geschichte übernommen werden. Im Allgemeinen ist bei der Bezeichnung von Spalten alles klar.
Die Trainingstabelle hat 10000 Zeilen, das sind etwa 7 Wochen.
Ich habe versucht, ein Modell zu trainieren und erhielt r^2 = 0,0006164161 für die Trainingsdaten, und wenn wir Ziel und Ergebnisse auf die Klassen -1 und 1 runden, beträgt die Genauigkeit 0,5052. Das ist sehr schlecht. Aber es ist einfach unrealistisch, Dutzende von Balken für jedes Übungsbeispiel und Dutzende von Zeichen selbst zu nehmen, mein Modell auf diese Hunderte von Spalten zu trainieren wird Wochen dauern.
Auf dem Prüfstand sind die Validierungsergebnisse des Modells rückläufig, r^2 = -0,003390913 und Genauigkeit 0,4907. Der Zufall war, ist und bleibt der Zufall.
Aber das ist alles langweilig und nicht schlüssig.
Interessant wurde es, als ich mir ansah, welche Gewichtung das Modell den einzelnen Prädiktoren gab (je höher die Gewichtung, desto besser):
Fazit: Der Versuch, die Richtung des eurusd auf dem nächsten m5-Balken vorherzusagen, ist besser, wenn man in erster Linie audusd, usdrub, usdsgd verwendet
Fazit: Der Versuch, die Richtung des eurusd auf dem nächsten m5-Balken vorherzusagen, ist besser, wenn man in erster Linie audusd, usdrub, usdsgd verwendet
10-30 weitere zufällige Spalten hinzufügen, um Interesse zu wecken
Um ehrlich zu sein, ist dieser Ansatz (Vorhersage von Bewegung hier und jetzt) für mich ein Fiasko. Versuchen Sie vorherzusagen, wie hoch der Preis in einem bestimmten Zeitraum, z. B. einem Tag, sein wird, dann werden die Ergebnisse viel besser sein.