Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 926

Neuer Kommentar
 
forexman77:

Ich kann es noch nicht mit Sicherheit sagen, da ich mit vielen Parametern gespielt habe, die Verbesserung lag bei etwa 0,1. Vielleicht gibt es einige Techniken, die ich nicht kenne, deshalb habe ich ja gefragt.

wenn nichts hilft, dann liegt das Problem in den Daten, es gibt nichts anderes zu tunen in las dort
 
Aleksey Vyazmikin:

Natürlich können Sie, aber Sie müssen es in Teilen (Server Glitches), Filter-Set - Festlegung, wo Sie nicht kaufen / verkaufen, MaloVhodov Set - Trend Einträge für anständige Gewinn, MnogoVhodov Set - alle Einträge außer unrentabel diejenigen.

Ich habe es zunächst mit Malovhodov versucht.

Ich habe versucht, Forest beizubringen, arr_Buy aus 2015 auf der Grundlage von arr_Vektor_Woche, arr_Vektor_Day usw. vorherzusagen.

Die Klassen sind sehr unausgewogen (es gibt 10-mal mehr Beispiele mit Klasse 0 als mit Klasse 1), was den Schwierigkeitsgrad erheblich erhöht.

Dies ist der Baum von 2015, der auf


y_pred
y_true01
09726886118
1552912256
Und das ist 2016, neu bei den Baumdaten:

y_pred

y_true01
09658190918
162968956

Die Genauigkeit der Vorhersage ist in beiden Fällen gering, liegt aber in beiden Fällen bei mehr als 50 %.

Der Baum sieht so aus:


Dort immer nach links TRUE, nach rechts FALSE. Bei Ovalen muss die Prognose abgerundet werden (>=0,5 -> 1; <0,5 -> 0). Ich werde es mit mnogovhodov versuchen, ich denke, das wird besser sein, da die Klassen 0 und 1 gleicher sind.

 
Dr. Trader:

Versuchen Sie es zunächst mit Malovhodov.

Ich habe versucht, Forest beizubringen, arr_Buy aus 2015 auf der Grundlage von arr_Vektor_Woche, arr_Vektor_Day usw. vorherzusagen.

Die Klassen sind sehr unausgewogen (es gibt 10-mal mehr Beispiele mit Klasse 0 als mit Klasse 1), was den Schwierigkeitsgrad erheblich erhöht.

Dies ist der Baum von 2015, der auf


y_pred
y_true01
09726886118
1552912256

Die Genauigkeit der Vorhersage ist in beiden Fällen gering, liegt aber in beiden Fällen bei mehr als 50 %.

Der Baum sieht so aus:


Dort immer nach links TRUE, nach rechts FALSE. Bei der ovalen Vorhersage muss noch gerundet werden (>=0,5 -> 1; <0,5 -> 0). Ich werde es mit mnogovhodov versuchen, ich denke, das wird besser sein, da die Klassen 0 und 1 gleichwertiger sind.

Wow, was für ein winzig kleiner Baum! Ich bin erstaunt! Aus dem Baum lese ich den Wunsch heraus, bei einer Trendwende einzusteigen, d.h. eigentlich ganz unten zu kaufen. Nach Ihrem System waren die anderen Prädiktoren nicht informativ?

Wie lauten die Zahlen in den Ovalen?
 

Mein Wald für echte und falsche Marken ist durchzogen.

[[ 2011  2948]
 [  215 11821]]//тест

[[14997     0]
 [    0 35985]]//тренировка

Die Klasse, nach der ich gesucht habe, war im Test mehr als die Hälfte in einer anderen Klasse, aber in der Ausbildung hat sie sich gut aufgeteilt)

 
Dr. Trader - bitte schreiben Sie eine Liste der Prädiktoren in den Baum, da der Screenshot die Namen der Prädiktoren gekürzt hat.
 
Aleksey Vyazmikin:

Wow, was für ein winzig kleiner Baum! Ich bin erstaunt! Aus dem Baum lese ich den Wunsch heraus, bei einer Trendwende einzusteigen, d. h. ganz unten zu kaufen. Nach Ihrem System waren die anderen Prädiktoren nicht informativ?

Was sind Zahlen in Ovalen?

Einige von ihnen wurden bei der Auswahl der Parameter des Baums und der Prädiktoren verworfen. Ich kann nichts Bestimmtes über die Informativität im Allgemeinen sagen, aber in diesem Fall passen diese am besten.

Die Ovale sind Vorhersagen durch den Baum. Mein Baum wurde im "anova"-Modus trainiert, d.h. die Wahrscheinlichkeit wird nicht mit einer bestimmten Vorhersage 0 oder 1, sondern mit der Wahrscheinlichkeit angegeben. Alles, was größer als 0,5 ist, ist höchstwahrscheinlich Klasse 1. Was weniger als 0,5 ist, ist höchstwahrscheinlich Klasse 0. Je näher an 0 oder 1, desto sicherer ist die Prognose.

Sie können den Baum auf folgende Weise programmatisch beschreiben:

double prediction;
if(arr_Donproc<3.5)
{
  if(arr_iDeltaH1>=-6.5)
  {
    if(arr_TimeH>=14)
    {
       prediction = 0.29;
    }
    else
    {
       prediction = 0.44;
    }
  }
  else
  {
     prediction = 0.58;
  }
}
else
{
  if(arr_RSI_Open_ < 0.5)
  {
     //...
  }
  else
  {
     //...
  }
}

int predictionClass = 0;
if(prediction >= 0.5) predictionClass=1;

if(predictionClass == 0)
{
  //...
}
else if(predictionClass == 1)
{
  //...
}
 
Aleksey Vyazmikin:
Dr. Trader - bitte schreiben Sie eine Liste der Prädiktoren in den Baum, da der Bildschirm ihre Namen ausschneidet.

Richtig, das hatte ich nicht bemerkt. In Rattle war es irgendwie einfach, die Liste und die Regeln zu sehen. Ich habe jetzt kein Klappern mehr, ich werde nach einer anderen Möglichkeit suchen, das zu tun.

 
Dr. Trader:

Einige Prädiktoren wurden bei der Auswahl der Parameter des Baums und der Prädiktoren eliminiert; einige Prädiktoren wurden vom Baum selbst verworfen. Ich kann nichts Spezifisches über die Informativität im Allgemeinen sagen, aber für diesen Fall passen sie am besten.

Die Ovale sind Vorhersagen durch den Baum. Mein Baum wurde im "anova"-Modus trainiert, d.h. die Wahrscheinlichkeit wird nicht mit einer bestimmten Vorhersage 0 oder 1, sondern mit der Wahrscheinlichkeit angegeben. Alles, was über 0,5 liegt, ist höchstwahrscheinlich Klasse 1. Was weniger als 0,5 ist, ist höchstwahrscheinlich Klasse 0. Je näher an 0 oder 1, desto sicherer ist die Prognose.

Sie können den Baum auf folgende Weise programmatisch beschreiben:

Gestern habe ich die arr_iDelta-Informationen in verschiedenen Varianten überarbeitet, zwei zusätzliche Arten von Prädiktoren hinzugefügt und die Berechnung für H4, MN1 und W1 vervollständigt - ich denke, dass es sich um wichtige Prädiktoren handelt, daher habe ich alte Analoga entfernt und neue hinzugefügt, zum Beispiel

Übrigens werden die meisten Prädiktoren mit einem Skript berechnet, neue werden mit EA berechnet und das Ergebnis ist kongruent, d.h. kein Peeking.

Danke für die Interpretation in Codeform! Bei Interesse: Daten zum Kleben von Si-Futures.

Ich werde die Dateien wieder anhängen, ich schlage vor, mit ihnen zu experimentieren.

Dateien:
Filter_02.zip  3805 kb
 
MaloWhodow_02
Dateien:
MaloVhodov_02.zip  3774 kb
 
MnogoWhodow_02
Dateien:
MnogoVhodov_02.zip  3804 kb
1...919920921922923924925926927928929930931932933...3399
Neuer Kommentar