Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1201
![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Das Ganze wird durch die Nicht-Stationarität getrübt, die sowohl scharf als auch schleichend sein kann.
Dies kann durch die Wahl optimaler Gewichte gelöst werden... z.B. wie man das Posterior variiert... von gleichmäßig bis exponentiell
Wenn Sie von mir sprechen, ich habe Ihnen die Kurven der Test- und der Prüfungsprobe gezeigt - ich schaue mir nicht einmal die Studienprobe an...
Ich will damit sagen, dass man sie anschauen und bewundern kann oder sie in Umlauf bringen kann.
Sie haben bereits Prior und Posterior )), was Sie brauchen, ist nur über Gewichte zu aktualisieren ... es ist genial und einfach
wie Alexander sagen würde ... haltet eure Taschen bereit
Ich meine, man kann sie ansehen und ablecken oder sie umdrehen.
Ich lecke mir nicht die Augen, sondern lerne - ich habe mich mit Metriken auseinandergesetzt - ich habe ein Gefühl dafür bekommen. Ich habe bereits etwa 200 Prädiktoren gefälscht (viele Prädiktoren sind in 10 Spalten ausgedrückt), die das Modell charakterisieren :)
Bis zum Abend werden die Modelle fertig sein, und ich werde versuchen zu lernen, wie man nicht klare Modelle vorhersagt :)
Ich betrachte ein Diagramm des Gewinns im Vergleich zur Anzahl der Bäume in einem Modell (512 Modelle)
und es sieht so aus, als ob Modelle mit mehr Bäumen über 60 weniger wahrscheinlich abwerfen oder die Stichprobe klein ist...
Ich betrachte ein Diagramm des Gewinns im Vergleich zur Anzahl der Bäume in einem Modell (512 Modelle)
und es sieht so aus, als ob Modelle mit mehr Bäumen über 60 weniger wahrscheinlich abwerfen oder die Stichprobe klein ist...
Wie schaffen Sie es, eine solche Anzahl von Modellen manuell zu bauen... wie in der TC-Liga, die Sie haben...
Idealerweise sollten sie durch GA oder volle Bruteforce erstellt werden. In einem neuen Artikel, der noch nicht veröffentlicht wurde, habe ich darüber geschrieben. Alles mit mql-Mittelnwie schaffen Sie es, eine solche Anzahl von Modellen von Hand zu bauen... in der CU-Liga oder in Ihrer...
Ich möchte GA oder volle Bruteforce verwenden. Ich habe einen neuen Artikel darüber geschrieben, der aber noch nicht veröffentlicht wurde. Alles mit Hilfe von mql.Warum manuell? Ketbustu hat ein Batcny mit einem Zyklus zur Erzeugung von Modellen nach Parametern erstellt, die Setup-Datei für die Modellparameter wird von einem Skript in MT5 erzeugt. Die Ergebnisse werden von einem anderen Skript in MT5 verarbeitet und ich erhalte eine zusammenfassende Datei mit den Merkmalen der Modelle als Ausgabe.
Wenn ich das Zeichnen von Diagrammen und deren Speicherung automatisieren könnte, wäre das gut.Warum manuell? Catbustu hat eine Batch-Datei mit einem Zyklus zur Erzeugung von Modellen nach Parametern erstellt, die Einstellungsdatei für die Modellparameter wird von einem Skript in MT5 erzeugt. Die Ergebnisse werden auch in MT5 von einem anderen Skript verarbeitet, und die Ausgabe ist eine zusammenfassende Datei mit den Merkmalen der Modelle.
Wenn ich auch das Zeichnen von Diagrammen und deren Speicherung automatisieren könnte, wäre das gut.ah cool, cool, levele)
ach ja, cool, cool, cool )
Danke.
Hier beschloss ich, über die Frage der Automatisierung der Wahrscheinlichkeitsanpassung für die 0- und 1-Klassifizierung nachzudenken, führte eine Gleichgewichtsberechnung in 0,1-Schritten durch und war entsetzt über das Ergebnis bei der Testprobe
die gleichen Modelle auf dem Testmuster
Es stellt sich heraus, dass meine Teststichprobe sehr günstig für die Strategie ohne zusätzliche MO-Bedingungen ist, was anscheinend das Lernen verhindert (Lernen findet auf der Trainingsstichprobe statt, und die Modellauswahl findet auf der Teststichprobe statt), was denken Sie?
Danke.
Hier beschloss ich, über die Frage der Automatisierung der Wahrscheinlichkeitsanpassung nachzudenken, um die Klassifizierung in 0 und 1 aufzuschlüsseln, führte eine Gleichgewichtsberechnung in 0,1 Schritten durch und war entsetzt über das Ergebnis bei der Testprobe
die gleichen Modelle auf dem Testmuster
Es stellt sich heraus, dass meine Teststichprobe sehr günstig für die Strategie ohne zusätzliche MO-Bedingungen ist, was anscheinend das Lernen behindert (Lernen ist auf der Trainingsstichprobe, und die Modellauswahl ist auf der Teststichprobe), was denken Sie?
Ich verstehe nicht wirklich, was auf den Bildern zu sehen ist und was das Problem im Wesentlichen ist.
ich habe selbst viele Varianten von Modellen gemacht und versuche jetzt herauszufinden, welche ich für die Überwachung wählen soll :D oder um sie weiter zu verbessern
kurzum... Bei den derzeitigen Ansätzen werden die Geschäfte nicht korrekt an den Ausgang weitergeleitet, sei es in Form von Zickzack-Kursen oder sonstigem Unsinn.
denn für jede Dimension des gleitenden Fensters sollte es eine andere Verteilung geben, aus der gehandelt wird. Dann passt sich das Modell besser an, auch an die Teststichprobe. (während Zickzack- oder andere Ausgänge an sich sehr deterministisch sind, gibt es nur wenige Freiheitsgrade für die Anpassung) Die letzte Möglichkeit ist, es zu tun und das ist alles, d.h. die Aufzählung der Ausgänge ist gründlicher, und dann gibt es wirklich nichts mehr zu tun
für Inputs mit verschiedenen Lags, in der alten Weise, mit Selbstselektion über Importans und vielleicht über PCA, um die Korrelation loszuwerden, solche Varianten von Bots auch gemacht. Aber im Allgemeinen ist die Verwendung der PCA eine fehlerhafte Idee (auch wenn im Internet wieder das Gegenteil geschrieben wird). Die Proben müssen nicht nur zentriert werden, sondern bei neuen Daten verwandeln sich diese Komponenten langsam in Schlacke.
All das ergibt so etwas wie das hier, so ziemlich ohne viel Aufhebens, einfach 10 Minuten warten:
die Möglichkeit einer weiteren Verbesserung erscheint zweifelhaft, wenn das Modell bereits über 100 % des Zuges ausmacht.
vielleicht kann man mit einer guten Grafik/einem guten Instrument noch etwas mehr herausholen.