Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1250
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
Meine Güte, alles, was Sie manuell tun, sollte von einem neuronalen Netz erledigt werden, aber das hier.... Zeitverschwendung, und wenn das Ergebnis negativ ausfällt, ein Meer von Frustration und die Suche nach anderen Methoden.
Nun, wie kann man es manuell machen, alles ist automatisiert, es gibt nur Phasen, die eine manuelle Kontrolle erfordern, und das liegt an der Ungewissheit, wie genau man sich bei ihnen verhalten sollte.
Und die Tatsache, dass jemand etwas schuldet, bezweifle ich sehr...
Das Ergebnis - wer weiß das schon, bis die Zukunft eintrifft...
Höchstwahrscheinlich werden Lags von 1 und -1 (oder ein Prädikat von ihnen, das sie beschreibt) den Schnitt 0 verbessern (oder bereits verbessern), da "nicht zu betreten"
Ich selbst habe diesen Ansatz sofort verworfen und bin dazu übergegangen, nur noch das binäre
Klassifizierung (flip). Ich würde mir die Abhängigkeiten von den verschiedenen Volatilitäten ansehen, ob sie sich auswirken oder nicht, und so weiter.
Ich hätte drei binäre Klassifikatoren erstellt. Sie können zum Beispiel nur 1 "Kauf" betrachten. Zu kompliziert...
Ich habe ein Trending-System auf die Minuten, so dass nur binäre kann nicht sofort verwendet werden, weil während der Wohnungen müssen Sie auf dem Zaun zu sein und nicht nur flip. Theoretisch ist es möglich, separat kaufen/nicht handeln und verkaufen/nicht handeln zu verwenden, aber wir brauchen große Stichproben und nicht alles ist gut mit ihm. In ketbust habe ich Signal für Eintrag und Vektor (kaufen/verkaufen) ist separat ausgewählt - etwas scheint zu funktionieren, aber es gibt noch Experimente und es ist zu früh, um sicher zu sagen. Natürlich können wir drei Binärsymbole erstellen, aber es wird nicht einfach sein, diesen Fall in einem Entwurf zu kombinieren...
Die Volatilität wirkt sich natürlich auf das Ergebnis aus, gerade auf den Anstieg und man kann verdienen, die Frage ist das Ausmaß.Verstehen, Forschen, Schlussfolgerungen gelten auch für das inverse Signal.
Wie wirkt sich das nicht auf das Ergebnis, sondern auf die Platzierung (Auswahl) der Prädiktoren aus?
Ich werde nicht so tun, als würde ich Sie verstehen, aber bitte erläutern Sie Ihren Standpunkt.
Nein.
Ich benutze das fertige JMA auf mcl4 schon seit langem für die Anpassung an die Zeit, aber es nützt nicht viel: Es verblasst wie alles andere. Von Zeit zu Zeit musste ich manuell eingreifen.
Wenn es um Filter geht, gibt es ein merkwürdig glattes Paket. Im Inneren sitzt glatt Kalman mit Zustand Raum. Gibt sehr gute Qualität Mashups, und mit Extrapolation (Prognose) für mehrere Schritte voraus.
Djuric ist totaler Schwachsinn.
Was Bullshit ist und was nicht, ist unbekannt.
Wir sollten die Vorhersagekraft eines bestimmten Prädiktors für eine bestimmte Zielvariable untersuchen. Und noch besser ist die Variabilität bei der Fensterbewegung.
Nun, wie beim manuellen Verfahren ist alles automatisiert, es gibt nur Phasen, die eine manuelle Kontrolle erfordern, und das liegt daran, dass man nicht genau weiß, wie man sich bei ihnen verhalten soll.
Und die Tatsache, dass jemand etwas schuldet, bezweifle ich sehr...
Und das Ergebnis - wer weiß das schon, bis die Zukunft eintrifft...
Basierend auf dem obigen Code, haben Sie einen klaren Algorithmus von Aktionen unter bestimmten Bedingungen, in diesem Fall, wenn Sie Eingabedaten und das gewünschte Ergebnis haben, wird Neuronet Ihnen helfen, aber Sie müssen Änderungen im Code manuell nach der nächsten Änderung des Markttrends machen.
Es liegt an Ihnen, was Sie tun, aber ich würde auf jeden Fall ein trainiertes Neuronetz verwenden.
Ändert sich die Gewichtung der Prädiktoren in Abhängigkeit von der Ochsenart? Klingt nach einer anspruchsvollen Lösung.
Und auch auf dem Laufsteg gibt es Multiclassing. Führen Sie eine Kreuzvalidierung durch, um zu sehen, ob es Fehler bei Fouls usw. gibt.
Vielleicht funktioniert es ja für einen Narren... und der ganze Aufwand ist nicht wirklich nötig...
Wie wollen Sie Gewicht und Volatilität messen? Ich habe nichts dagegen, zu experimentieren.
Multiclass ist vorhanden, aber kein Modell-Offloading, außer in ihrem Binärcode, von dem ich nicht einmal in der Theorie weiß, wie man ihn verbindet und zum Laufen bringt.
Es gibt eine ganze Epoche mit Catbust, in der ich mit Prädikatorensätzen experimentiere (teilweise Entfernung von 512 Kombinationen), mit zufälligen Gewichten der Wurzelprädikatorauswahl (200) - das sind bereits 100k Modelle, und ich habe zwei solcher Partitionen. Ja, es gibt interessante Modelle in all dem, und es gibt völlig Pflaume (profitabel auf Test und erlernbare Stichprobe, aber Pflaume oder nahe Null auf unabhängige Stichprobe), aber auch keine Garantie, dass sie weiterhin funktionieren werden. Jetzt (22.12.2018) habe ich eine neue Modellerstellung begonnen, aber alle Prädiktoren als kategorisch markiert, was meine ursprüngliche Idee ist (weil viele bereits in unregelmäßige Intervalle geschnitten und in ganzzahlige Werte umgewandelt sind), im neuen Jahr ist der Plan, die Bearbeitung abzuschließen - mal sehen, ob es einen Unterschied gibt, denn Modelle mit nicht-kategorischen Merkmalen wurden in diesem Band in 1,5 Tagen erstellt, und hier mindestens 10...
Fit oder nicht - schwer zu sagen, gestern schrieb ich, dass ich eher geneigt bin, ein Modell als fit zu betrachten, das durch seinen Umfang (Anzahl der Blätter) viele Varianten und Kombinationen auf einmal speichern kann, und ich habe ein Modell, das 100 Blätter nicht überschreitet... Natürlich ist mein Hauptproblem der Mangel an Daten - ich arbeite an Si-Instrument, ich denke an das Hinzufügen von EURUSD-Futures, aber ich muss die Prädiktoren - Metrik Problem zu validieren.
Auf der Grundlage des obigen Codes haben Sie einen klaren Algorithmus von Aktionen unter bestimmten Bedingungen, in diesem Fall, wenn Sie Eingabedaten und das gewünschte Ergebnis haben, ein neuronales Netz wird Ihnen helfen, aber sonst werden Sie ständig manuell Änderungen an den Code, wenn der Markt Trend ändert sich.
Es ist Ihnen überlassen, was Sie tun, aber ich würde trotzdem ein (trainiertes) neuronales Netz mit diesem Prozess verbinden.
Ich habe Einstiegspunkte und weiß nicht, ob ich einsteigen soll oder nicht - das ist die Aufgabe der MO.
Wie ich bereits sagte, kenne ich kein schnelles neuronales Netz, das in der Lage wäre, ein großes (300-500) Volumen an Eingangsneuronen zu absorbieren... aber bereits ausgewählte Blätter, sagen wir mal, einem neuronalen Netz oder einem Baum wieder zu geben...
Ich verstehe nicht, warum sich der Code geändert hat - glauben Sie, dass sich die Trends in den letzten 5 Jahren nicht geändert haben?Ich will nichts vorschlagen, ich habe nur geschrieben, wie ich es selbst machen würde. Und die drei erhaltenen Klassen würden einfach in ts stecken...
Wie setzt man sie ein? Dann muss man eine Art Brücke zwischen Python oder R schlagen - das ist für mich ein dunkler Wald.