Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1274
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
Auch hier verstehe ich die Frage nach dem "Ergebnis" nicht - was war das Ergebnis, und was musste ich persönlich dafür tun? Wenn wir über meine Anwendung von MoD sprechen, dann ja, ich arbeite auf verschiedene Weise an diesem Thema (Modellerstellung, Auswahl, Anwendung) - ich habe hier viel über meine Erfolge geschrieben.
D.h. Sie wenden bereits an, was Sie hier geäußert haben (habe nicht alles gelesen, da es einfach nicht realistisch ist 1200 pp). Wenn Sie 100500 Signale haben, ist vielleicht eines davon das richtige.
Es ist klar, dass im Moment der Mensch die KI durch Nicht-Standard-Verhalten übertreffen kann, aber sobald die KI "sagt" "Warum sollte das .... sein", wird der Mensch es schwer haben.
Wenn dieser Trick als Kampfmittel ständig wiederholt wird, dann ja, dann wird er etwas bewirken, aber ansonsten ist er nur ein gewöhnlicher Ausreißer, auf den das Modell nicht angemessen reagieren sollte.
D.h. was verwenden Sie bereits von dem, was hier geäußert wurde (ich habe nicht alles gelesen, da es einfach nicht realistisch ist 1200 Seiten). Können Sie mir einen Link geben, wo dies von Ihnen verwendet wird, Sie haben 100500 Signale, wahrscheinlich ist eines von ihnen das eine.
Ich benutze CatBoost und den "magischen" Baum von Doc, ich habe da meine eigene Methodik. Im Moment finden nur Tests auf einem realen Konto statt, die eine Reihe von Problemen mit den Prädiktoren aufgedeckt haben, was dazu führt, dass ich von Grund auf neu lernen muss, vom Baum aus - das ist etwa ein halbes Jahr verloren. Catbust backt Modelle ziemlich schnell, alles ist dort bereits ziemlich automatisiert, von der Modellerstellung über die Auswahl bis hin zur Anwendung des Modells im Handel. Catbust hat mir sehr geholfen, insbesondere mit dem Modellinterpreter in MQL. Wenn keine Fehler entdeckt werden, werde ich im Frühjahr Modelle mit echtem Geld verwenden - ich werde ein Los für jedes Modell verwenden, es wird zwei Konten geben - für Kauf und Verkauf.
Ich verwende CatBoost und den 'magischen' Baum von Doc, ich habe da meine eigene Methodik. Im Moment finden nur Tests auf einem realen Konto statt, die eine Reihe von Problemen mit den Prädiktoren aufgedeckt haben, was dazu führt, dass ich von Grund auf neu lernen muss, vom Baum aus - das ist etwa ein halbes Jahr verloren. Catbust backt Modelle ziemlich schnell, alles ist dort bereits ziemlich automatisiert, von der Modellerstellung über die Auswahl bis hin zur Anwendung des Modells im Handel. Catbust hat mir sehr geholfen, insbesondere mit dem Modellinterpreter in MQL. Wenn keine neuen Bugs vor dem Frühjahr entdeckt werden, plane ich, Modelle mit echtem Geld zu verwenden - die Modelle werden in Batch verwendet werden, für jedes Modell 1 Los, wird es zwei Konten - für Kauf und Verkauf.
Was ist der "magische" Baum von Doc? Wo sind die Details zu sehen?
Es gibt ein R-Skript mit einem genetischen Algorithmus, um einen Baum zu erstellen und Generationen nach Entropieverbesserung auszuwählen. Dann gibt es eine Art Endauswahl. Ich nehme alle Bäume für die Endauswahl und entnehme ihnen Blätter für separate weitere Messungen in MT5. Das Skript wurde nicht veröffentlicht, daher gibt es auch keine detaillierten Beschreibungen. Offenbar ist es wie die Auswahl der besten Baum aus dem Wald, aber es gibt eine Tiefe Begrenzung zu vermeiden overtraining, auch der Prozess dauert etwa 2 Tage auf alle Kerne auf der letzten Probe, wo nicht alle Bars, sondern nur Signale zu geben, und wenn alle Bars für 3 Jahre, dann die Berechnung dauert 1,5 Monate gibt. Nach der Berechnung nehme ich eine Aufteilung des Baumes vor, d.h. ich entferne die Spalte mit dem Wurzelprädiktor des besten Baumes der Population und beginne von vorne, es zeigte sich, dass sogar bei 40 solcher Verfahren einige sehr gute Blätter entstehen, so dass ich zu dem Schluss kam, dass die beste mathematische Baumanordnung nicht immer die effektivste ist und eine Information mit einer anderen interferiert, die später in demselben CatBoost verwendet wurde, als sie zufällig Prädiktoren aus allen Proben auswählten, um einen Baum zu erstellen.
Übrigens: Der Mann verlor, weil er Fehler bei seinen Aktionen machte (er klickte falsch oder vergaß, eine Fähigkeit zu aktivieren), konnte aber gewinnen, weil er einen nicht standardmäßigen taktischen Zug anwendete - er lenkte den Gegner ständig ab, indem er hinter dem gegnerischen Stützpunkt landete, was ihn zwang, Truppen aufzustellen, um den Stützpunkt des Mannes anzugreifen, was dem Mann Zeit gab, seine Einheiten auf ein höheres Niveau zu bringen.
Auf diese Weise lenken auch unerwartete Ausschläge und falsche Proboys den Händler von seinem Ziel ab.
Beachten Sie, dass dies auf eine grobe Konvertierung in ein Schiebefenster zurückzuführen ist, das Programm wurde durch die Fenster verwirrt, es ist ein technisches Problem.
bevor solche Tropfen durch den Zeitgeist abgewehrt wurden.
sollten sich die Clips genau ansehen
Es gibt ein R-Skript mit einem genetischen Algorithmus, um einen Baum zu erstellen und Generationen nach Entropieverbesserung auszuwählen. Dann gibt es eine Art Endauswahl. Ich nehme alle Bäume für die Endauswahl und entnehme ihnen Blätter für separate weitere Messungen in MT5. Das Skript wurde nicht veröffentlicht, daher gibt es auch keine detaillierten Beschreibungen. Offenbar ist es wie die Auswahl der besten Baum aus dem Wald, aber es gibt eine Tiefe Begrenzung zu vermeiden overtraining, auch der Prozess dauert etwa 2 Tage auf alle Kerne auf der letzten Probe, wo nicht alle Bars, sondern nur Signale zu geben, und wenn alle Bars für 3 Jahre, dann die Berechnung dauert 1,5 Monate gibt. Nach der Berechnung führe ich eine Aufteilung des Baumes durch, d.h. ich entferne die Spalte mit dem Wurzelprädiktor des besten Populationsbaumes und beginne von vorne, es zeigte sich, dass selbst bei 40 dieser Prozedur manchmal sehr gute Blätter entstehen, so dass ich zu dem Schluss gekommen bin, dass der beste mathematische Baum nicht immer der effektivste ist und eine Information mit einer anderen interferiert, die später in demselben CatBoost verwendet wurde, wenn die Prädiktoren zufällig aus allen Proben ausgewählt werden, um einen Baum zu erstellen.
Übrigens, Alglib verwendet eine zufällige Menge von Prädiktoren (standardmäßig 50% der Gesamtzahl), um die Partitionierung in jedem Knoten zu wählen. Dies scheint ein Standardansatz der Erfinder von Random Forest zu sein. Das Ergebnis ist eine große Vielfalt an Bäumen.
Es ist jedoch schwierig, die besten zu finden, da der Unterschied im endgültigen Fehler nicht mehr als 1 % beträgt. D.h. alle Bäume kommen zu annähernd demselben Ergebnis, aber in einem Baum für einen Prädiktor gab es früher eine Aufspaltung, in einem anderen Baum für denselben Prädiktor später (weil er früher von der Liste für die Aufspaltung ausgeschlossen wurde).
Generell habe ich Probleme mit der Auswahl der Vorhersagen. Ich denke daran, 100 Prädiktoren zu überprüfen, indem ich 1 hinzufüge und die Ergebnisse weiter verbessere. Wenn Sie den Wurzelprädiktor nach komplizierten Berechnungen 40 Mal ausschließen, ist es vielleicht einfacher, die volle Brute-Force-Methode anzuwenden? Oder haben Sie dort tausend Prädiktoren?
Es gibt ein R-Skript mit einem genetischen Algorithmus, um einen Baum zu erstellen und Generationen nach Entropieverbesserung auszuwählen. Dann gibt es eine Art Endauswahl. Ich nehme alle Bäume für die Endauswahl und entnehme ihnen Blätter für separate weitere Messungen in MT5. Das Skript wurde nicht veröffentlicht, daher gibt es auch keine detaillierten Beschreibungen. Offenbar ist es wie die Auswahl der besten Baum aus dem Wald, aber es gibt eine Tiefe Begrenzung zu vermeiden overtraining, auch der Prozess dauert etwa 2 Tage auf alle Kerne auf der letzten Probe, wo nicht alle Bars, sondern nur Signale zu geben, und wenn alle Bars für 3 Jahre, dann die Berechnung dauert 1,5 Monate gibt. Nach der Berechnung mache ich eine Aufteilung des Baumes, d.h. ich entferne die Spalte mit dem Wurzelprädiktor des besten Baumes der Population und fange von vorne an, es stellte sich heraus, dass sogar auf 40 solcher Verfahren sehr gute Blätter erstellt werden, so kam ich zu dem Schluss, dass die beste mathematische Baumanordnung nicht immer die effektivste ist, und eine Information mit einer anderen interferiert, was sich später herausstellte, dass sie in demselben CatBoost verwendet wird, wenn zufällig Prädiktoren aus allen Proben ausgewählt werden, um einen Baum zu erstellen.
Es stellt sich heraus, dass Sie Unsinn machen, weil Sie den Wald- und Boosting-Algorithmus imitieren, anstatt die Theorie zu lesen, warum er funktioniert, noch einmal.
Beachten Sie, dass dies auf eine grobe Konvertierung in ein Schiebefenster zurückzuführen ist, das Programm hat die Fenster durcheinander gebracht, das ist ein technisches Problem.
bevor solche Tropfen leicht abgewehrt wurden.
Sehen Sie sich die Clips genau an.
Leider analysieren Sie die Informationen, die Sie erhalten, nicht, schalten Sie den Kommentar aus und sehen Sie es mit Ihren eigenen Augen.
Solche Situationen gab es vorher nicht, schauen Sie sich das Video genau an.
Leider analysieren Sie die Informationen, die Sie erhalten, nicht, schalten Sie die Kommentare aus und überzeugen Sie sich selbst.
Solche Situationen gab es vorher nicht, schauen Sie sich das Video noch einmal genau an.
Der Alphastar-Algorithmus wurde speziell für Revashn von der vollständigen Kartenansicht auf die Slice-Ansicht umgestellt, sie haben es nicht richtig gemacht
Sie können sehen, dass der Bot langsam zwischen den Fenstern wechselt, nicht herausfinden kann, wo das Prisma ist und hin und her läuft
Es ist ein Fehler.
Ich habe keinen Respekt vor Ihnen!