Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1106
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
Die kleinen nennen wir eine Wohnung, die großen einen Trend...
Aber auch hier stellt sich die Frage, was sind kleine und große Bewegungen, in Bezug auf was sind sie klein oder groß?
In der Tat gibt diese Frage die Antwort darauf, warum parametrische Systeme und mo's unter ihnen niemals mit unverarbeiteten Marktdaten arbeiten werden
Nun, es gibt keine eindeutigen Definitionen - wo ist ein Flat, wo ist ein Trend, klein oder groß. Für manche Anwendungen klein, für andere groß.
Definieren Sie, was für Sie klein ist (Ihr System) und was in einer bestimmten Einheit groß ist, und alles wird sich sofort fügen.
Wie auch immer, hier ist der Deal. Ich habe mich für Boosting entschieden, weil dieser Algorithmus neben der Genauigkeit und der hohen Verallgemeinerbarkeit auch eine eindeutigere Modellbildung ermöglicht. Die Methode ist auch einfacher einzurichten, da es nur wenige spezifische externe Parameter gibt. Der einzige Nachteil ist die Speicherbelastung bei der Berechnung, wodurch sich die Modellgröße je nach Anzahl der Iterationen um einige Dutzend oder Hunderte von Megabyte erhöht. Nach einem Vergleich mit Random-Forest- und flachen neuronalen Netzwerkmethoden bin ich zu dem Schluss gekommen, dass Boosting für Klassifizierungsaufgaben besser geeignet ist.
Ich habe eine Reihe von Prädiktoren getestet. Es handelt sich hauptsächlich um sequenzielle Zeitreihen, die aus den verschiedensten Indikatoren und deren Kombinationen gebildet werden. Ich habe es im Mehrwährungsmodus (27 Währungen) mit der Programm-Methode getestet, wobei ich den realen Spread (2 Punkte) berücksichtigt habe. Zeitrahmen - eine Stunde. In der Ausgabe - eine binäre Klasse, berechnet unter Verwendung eines Zickzack-Signals mit einer Stufentiefe von 100 Punkten. Fast alle Ergebnisse sind negativ. Lässt man den Spread außer Acht, kann das Plus erheblich sein. Sie könnten auch versuchen, einen höheren Zeitrahmen zu wählen.
Ich habe überlegt, wie ich die Studie weiterentwickeln kann:
1. versuchen Sie einen Zickzackkurs eines anderen Typs oder mit anderen Parametern am Ausgang.
2. Verwendung zyklischer Komponentensignale, die durch die Fourier-Methode oder Wavelet-Filter am Ausgang extrahiert werden.
3. Verwendung von Indikatorwerten für die reale Produktion (Regression). Zum Beispiel die Preisdifferenz zwischen Schluss- und Eröffnungskerze, die Preisänderung für mehrere Balken im Voraus.
4. inkonsistente Daten als Prädiktoren verwenden, z. B. Schlüsselpunkte oder Niveaus
5. Filtern Sie die anfängliche Stichprobe nach verschiedenen Indikatoren (Volumе oder ATR-Indikatoren), d.h. trainieren Sie nur für die Arbeit in bestimmten Teilen des Marktes.
Ich würde mich über Ihre Vorschläge und Meinungen freuen.
Ich warte darauf, dass jemand aus den vielen klugen Worten, die in diesem Thread geäußert werden, ein Ergebnis erzielt, ich persönlich brauche weder Quellcode noch Algorithmen, sondern das Ergebnis der MO in Form eines eingefrorenen Signals oder Screenshots in ein paar Tagen. Aber bis jetzt haben wir nur geredet, und das völlig grundlos.
Was Flat und MO betrifft, so wird die KI in der Tat das notwendige probabilistische Verhalten zum aktuellen Zeitpunkt finden, wenn sie lernt, ob es ein Flat oder ein Puls sein wird. Ich sehe also keinen Sinn darin, separate Algorithmen zur Bestimmung der Wohnung zu schreiben, das ist eine nutzlose Tätigkeit.
Wenn Sie nicht wissen, wie Sie dieses Problem lösen können, werden Sie keine Signale oder Finanzberichte von ihnen erhalten. Denken Sie nicht einmal darüber nach. Es gibt und wird nichts als Gerede geben.
Was MO betrifft, so haben diese Methoden nichts mit KI zu tun. Und MO-Methoden finden nichts von selbst, es sei denn, Sie zeigen und sagen ihnen, wonach sie suchen und wo sie suchen sollen. Andernfalls wird es wie in einer abgedroschenen Phrase sein: Müll rein - Müll raus, und nichts weiter. Was auch immer die hausgemachten Gurus sagen mögen, eines der Hauptprobleme bei der Anwendung von MO ist die Aufbereitung repräsentativer Daten. Und alle Arten von Trend-Flat-Splits können notwendig sein, um solche Daten aufzubereiten, anstatt alles wahllos in den Eingang des MO einzuspeisen.
Ich warte darauf, dass jemand aus den vielen cleveren
Warten, warten....
Mach schon die Augen auf )))
Hier ist ein Beispiel für ein neuronales Netz auf verschiedenen Ebenen.
Rot überverkauft, grün überkauft...
Schauen Sie sich das Bild vor, die eu war überkauft und hier ist die Reaktion
(Vorhersage ist live)
Warten, warten....
Mach schon die Augen auf))
Hier ist ein Beispiel für ein neuronales Netz auf verschiedenen Ebenen.
Rot überverkauft, grün überkauft...
Schauen Sie sich das Bild vor, die eu war überkauft und hier ist die Reaktion
Live-Vorhersage).
Ziehen wir nun eine Regressionslinie und bilden einen Kanal, so werden alle diese Niveaus mit den Grenzen des Kanals zusammenfallen. Und überkauft/überverkauft wird nicht mehr benötigt.
Kein wirklich arbeitender Händler, der bei Verstand ist, wird Ihnen jemals Signale oder Finanzberichte zeigen. Machen Sie sich keine großen Hoffnungen. Es gibt und wird nur Gerede geben.
Was MO betrifft, so haben diese Methoden nichts mit KI zu tun. Und MO-Methoden finden nichts von selbst, es sei denn, Sie zeigen und sagen ihnen, wonach sie suchen und wo sie suchen sollen. Andernfalls wird es wie in einer abgedroschenen Phrase sein: Müll rein - Müll raus, und nichts weiter. Was auch immer die hausgemachten Gurus sagen mögen, eines der Hauptprobleme bei der Anwendung von MO ist die Aufbereitung repräsentativer Daten. Und zur Aufbereitung solcher Daten können alle Arten von Trend-Flat-Splits erforderlich sein, anstatt alles wahllos in den Eingang des MO einzuspeisen.
wie es ist
Ziehen Sie nun eine Regressionslinie durch all dies und bilden Sie einen Kanal, und alle diese Ebenen werden mit den Grenzen des Kanals zusammenfallen. Und überkauft/überverkauft wird nicht mehr benötigt.
Erklären Sie
erklären
Ich werde es mit deinem Bild versuchen.
Ich werde es an deinem Bild ausprobieren.
Bitte, es ist das Beste.
Bitte, das ist der beste Weg.
So würde es ungefähr aussehen. Die Regressionslinie kann durch einen langen EMA ersetzt werden
.