Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 895
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
Was ist daran witzig? Dass das andere Wort fehl am Platz ist, nicht einmal ein Homonym?
Du verstehst es nicht... Es hat keinen Sinn, das zu erklären.
Im zweiten Artikel werden die Genetik und die Aufzählung einer Reihe von Parametern durch einen einzigen Vektor von Werten (Waldinputs, Prädiktoren) ersetzt, und die Outputs werden auf der Grundlage der maximalen Anzahl profitabler Trades ausgewählt. Es ist möglich, andere Kriterien einzuführen, die die Belohnungsfunktion korrigieren (einschließlich DD, Sharp Ratio, alles was Sie wollen).
Der Algorithmus optimiert jede Strategie mit sehr hoher Qualität in nur wenigen Durchläufen im Optimierer (in der Regel 5) (im Gegensatz zu GA und erst recht zu Brute Force). In dem im Artikel genannten Beispiel sind das Sekunden. Außerdem führt eine Erhöhung der Anzahl der Prädiktoren nicht dazu, dass sich die Anzahl der Optimierungsdurchläufe signifikant erhöht. Ich empfehle einen Test für die Strategieliga in einem anderen Thread. Außerdem können Sie auf der Grundlage des vorgeschlagenen Ansatzes noch effizientere Optimierungsalgorithmen für die Liga entwickeln. Der reguläre Optimierer kann als veraltet verworfen werden, insbesondere ohne Kreuzvalidierung (Wolf-Forward), und er verliert (mindestens) in der Geschwindigkeit um ein Vielfaches, und in der Qualität ist er nicht besser. Wenn wir Wald durch NS mit kfold ersetzen, erhalten wir ein Analogon von wolf-forward, und zwar sehr schnell. Aber bis jetzt sind die Hände noch nicht dazu gekommen.
Die gegenseitige Information ist ein Maß für die Entropie zwischen der Zielvariablen und den Prädiktoren, so wie Sie es in der Abbildung als Tabelle der Wichtigkeit der Prädiktoren dargestellt haben. Sie können aber auch einfach die rekursive Feature-Elimination in Lasas verwenden und auf Fehler achten. Wenn es so notwendig ist, uninformative Prädiktoren zu sortieren und zu entfernen. (Google Dechiffrierung)
update
Nach der Lektüre des Artikels habe ich mehr Fragen als Antworten, nicht alle Code ist klar, aber ich habe verstanden, dass ich komplett TC umschreiben müssen, um diesen Ansatz in dem Artikel beschrieben zu implementieren. Offensichtlich habe ich das Niveau, auf dem der Artikel geschrieben wurde, noch nicht erreicht.
Es stellte sich heraus, dass man seinen eigenen Baum im Deductor Studio im manuellen und halbautomatischen Modus erstellen kann, was mich wirklich faszinierte! Der Prozess ist jedoch arbeitsintensiv und es fehlt die Möglichkeit, Daten per Drag-and-Drop zu verschieben, aber die Arbeit mit Daten in diesem Modus ermöglicht es Ihnen, die Muster besser zu erkennen. Wahre Mangel an Gelegenheit, um die Regel zu ändern, dh wenn die Probe sagt, es ist 1 dann auf Null nicht ändern können, und ich würde einen Teil der Regeln in Richtung Null sowohl auf die Seltenheit des Herausfallens bewegt haben, und die Glaubwürdigkeit und schauen Sie sich einmal die Statistiken, und dann haben alle durch die Verarbeitung Skripte zu tun. Vielleicht gibt es andere ähnliche Programme mit solchen Funktionen, bei denen man die Knoten in einem Baum aber schneller von Hand erstellen kann?
Hier kommen die ersten Fehler... OK, definieren wir also den Moment, in dem die Marke von unten nach oben kreuzt, als Kaufsignal, von oben nach unten als Verkaufssignal. Aber nur an einer Stange. D.h. wir lassen nur den Moment des Überschreitens der Marke 50. Ich hoffe, dies geschieht innerhalb eines Taktes?
Nach Ihrer Regel erreicht der Kurs, sobald er 50 % von unten nach oben erreicht hat, gleichzeitig auch die Untergrenze dieses Niveaus. Es reicht also aus, die 50%-Marke von unten nach oben zu überschreiten und zu kaufen. Im Gegenteil, auf der Website .... Was halten Sie von diesem Plan?
Arbeit an der Eröffnung einer neuen Bar. Der Eintrag ist nicht so wichtig, in meinem System erfolgt die Beseitigung des Mülls durch Statistiken, ich halte das nicht für einen Fehler. Diese Kreuzung wird nichts Großartiges bewirken, außer dass sie die Häufigkeit der Signalerzeugung verringert, aber auch die Signalqualität wird abnehmen.
Zum Hinzufügen. Warum brauchen Sie ein konstantes Signal? Meiner Meinung nach ist der geeignetste Zeitpunkt für die Analyse der Zeitpunkt, an dem das Signal von Kauf auf Verkauf wechselt, wenn es konstant ist. Ich denke, die Zeit des Signalwechsels ist auf 1 bar begrenzt. Denken Sie darüber nach. Warum sollte ich alles im Kaufsignal analysieren, wenn die Hauptsache ist, die Position zu eröffnen. D.h. die Hauptsache ist der Zeitpunkt des Signalwechsels. Sie kann abgegrenzt werden.
Es ist falsch, ständig auf dem Markt zu sein - die Risiken sind zu hoch.
Arbeiten Sie an der Eröffnung einer neuen Bar. Der Input ist nicht so wichtig, in meinem System wird der Müll durch Statistiken eliminiert, ich glaube nicht, dass das ein Fehler ist. Die Kreuzung wird nichts bewirken, außer dass die Häufigkeit der Signalerzeugung für die Einfahrt verringert wird, aber auch deren Qualität wird abnehmen.
Es ist ein Fehler, die ganze Zeit auf dem Markt zu sein - übermäßige Risiken.
Nun, Sie sagten, Sie hätten ein konstantes Signal. Es tut mir leid, aber ich sehe da ein Missverständnis, daher kann ich Ihnen kaum helfen... Zu viel des Unverständnisses....
Nun, Sie sagten, Sie hätten ein konstantes Signal. Es tut mir leid, aber ich sehe das Missverständnis, also glaube ich nicht, dass ich Ihnen helfen kann... Das ist zu sehr ein Missverständnis....
Ich habe erklärt, dass die Entscheidung tatsächlich von der Filterkaskade getroffen wird. Alles, was ich mir von MO wünsche, ist die Identifizierung von Marktsegmenten, in denen es sich lohnt, einige der Filter einzusetzen und in denen dies nicht der Fall ist. Ich muss das, was bereits funktioniert, rationalisieren und nicht auf ein Wunder aus einer Blackbox warten.
Ich habe erklärt, dass die Entscheidung tatsächlich von der Filterkaskade getroffen wird. Alles, was ich mir von MoD wünsche, ist die Identifizierung von Marktbereichen, in denen einige der Filter sinnvoll sind und in denen sie nicht eingesetzt werden sollten. Ich muss das, was bereits funktioniert, optimieren und nicht auf ein Wunder der Blackbox warten.
Die Entscheidungsfindung sollte vollständig auf die NS übertragen werden, anstelle von Filtern, dann macht es Sinn. Hier kostet eine einfache Ja-oder-Nein-Frage eine Menge Ressourcen, und Sie wollen, dass die NS erkennen, welche Teile des Marktes welche Filter verwenden sollen. Ich denke, es ist zu kompliziert. Es ist zwar möglich, aber es ist einfacher, dummerweise das richtige Modell zu bauen, als die dortigen Filter. IMHO !!!!
Nach der Lektüre des Artikels habe ich mehr Fragen als Antworten, nicht alle der Code ist klar, aber ich habe verstanden, dass ich die gesamte TS neu zu schreiben, um den Ansatz in dem Artikel beschrieben implementieren müssen. Offensichtlich habe ich das Niveau, auf dem der Artikel geschrieben wurde, noch nicht erreicht.
Es stellte sich heraus, dass man seinen eigenen Baum im Deductor Studio im manuellen und halbautomatischen Modus erstellen kann, was mich wirklich faszinierte! Der Prozess ist jedoch arbeitsintensiv und es fehlt die Möglichkeit, Daten per Drag-and-Drop zu verschieben, aber die Arbeit mit Daten in diesem Modus ermöglicht es Ihnen, die Muster besser zu erkennen. Wahre Mangel an Gelegenheit, um die Regel zu ändern, dh wenn die Probe sagt, es ist 1 dann auf Null nicht ändern können, und ich würde einen Teil der Regeln gegen Null sowohl auf die Seltenheit des Herausfallens bewegt haben, und die Glaubwürdigkeit und schauen Sie sich einmal die Statistiken, und dann alle haben durch die Verarbeitung Skripte zu tun. Vielleicht gibt es andere ähnliche Programme mit solchen Möglichkeiten, bei denen man die Knoten im Baum aber schneller von Hand erstellen kann?
Nein, noch nie.
Ich verstehe nicht wirklich, warum das nötig ist, denn ein Wald ist beispielsweise ein universeller Klassifikator oder Approximator, und es gibt nichts, was man von Hand korrigieren könnte.
während einzelne Bäume eher schwache und primitive Algorithmen sind.
Wenn Sie nicht in der Lage sind, solche Probleme selbst zu lösen, suchen Sie mir das VisSim NeuralNet-Modul und ich zeige Ihnen, wie es geht.
Artem, mit freundlichen Grüßen und Respekt. Hinter mir - ein Arbeitsmodell meines TS mit Beispielen. Ich werde sie am Wochenende abschicken. Schauen Sie es sich einfach an, wenn es Ihnen nicht gefällt, werfen Sie es weg.
Wie sollen wir das tun, wenn Sie uns nichts sagen? Erzählen Sie uns von der neuesten Entwicklung. Ausführlich und mit Beispielen.
Und wozu? Ich werde Ihnen eines sagen. Der Doc hat mir geholfen, die Modelle von R auf MT zu übertragen, und ich kann Ihnen sagen, dass diese Modelle genau so funktionieren wie die von Reshetov auf OOS. Das ist genau dasselbe. Sie können also den R-Modellen vertrauen. Es dreht sich alles um die Dateneinspeisung... Alles das gleiche....