Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1496
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
Grob gesagt, ja, hier ist der Artikel, aus dem die Grundlage für alles, washttp://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of-4/, entnommen wurde.
Und hier ist ein Codeschnipsel aus dem Beispiel in dem Artikel.
Wenn Sie die Datenverarbeitung und Visualisierung weglassen, ist der Code drei Zeilen lang.
Nun, hier kommen z.B. bulmarket und bearmark und bulmarkett her, d.h. es ist zunächst eine gewisse Datenvorverarbeitung erforderlich
und dann kommt die Berechnung des Pfades durch Viterbi und vorwärts-rückwärts, ebenfalls 2 verschiedene Algorithmen. Ich verstehe es nicht, ich werde es lesen.
in Python sieht es so aus, in lib hmmlearrn
Derzeit arbeitet er an der Entwicklung neuronaler Netze durch Erweiterung der Topologien von http://gekkoquant.com/2016/10/23/evolving-neural-networks-through-augmenting-topologies-part-4-of-4-trading-strategy.
Ich habe es nicht geschafft, das RNeat-Paket über devtools aus der Ferne zu installieren, sondern habe seine Alternative verwendet - remotes (remotes::install_github). Das Skript für MT4 ist fast fertig. Ich habe komplexe Vorverarbeitungstransformationen ausgeschlossen, ich werde versuchen, zunächst Rohdaten zu verwenden. Ich habe die Möglichkeit hinzugefügt, mit einer beliebigen Anzahl von Prädiktoren zu arbeiten. Wenn sich etwas Interessantes ergibt, werde ich Sie bald informieren.
Ich füge ein Beispiel für ein R-Skript für Forex-Daten bei. Das analysierte Symbol ist USDJPY-H1. Ausgangsdaten - letzter bekannter Kurs und 10 RSI-Verzögerungen.Ich würde gerne sehen, wie RNeat auf meinem Indikator funktioniert
Die Verwendung von bekannten Indikatoren und sogar mit einem festen Zeitraum ist eine schlechte Idee, kein Algorithmus wird dort keine Muster finden, weil sie einfach nicht existieren, der Markt hat eine dynamische, fraktale (gegenseitig geschlossene Struktur), wir brauchen einen Indikator, der zumindest ein wenig angemessen ist, um den Markt, die berücksichtigt, die fraktale, auch indirekt
Ich stimme zu. Ich habe gute Ergebnisse mit dem ZigZag-Indikator erzielt. Ich gebe die Preise der letzten Extrema oder deren Ableitungen ein, einschließlich des unvollendeten Preises des letzten Extremums. Der Indikator wird für jede Instanz aus der Trainingsmenge berechnet, d.h. er erzeugt eine Variante ohne Umformung. Dies ist der einzige Indikator, der mehr oder weniger zufriedenstellende Ergebnisse gezeigt hat und gehandelt werden kann.
Wenn ich es richtig gemacht habe, habe ich auch fast das Gleiche getan, aber mit einem anderen Algorithmus, ich habe nicht die Richtung, sondern das Drehknie vorhergesagt, ich habe hier geschrieben, wie ich den Preis behandelt habehttps://www.mql5.com/ru/forum/86386/page1476
Ich kann nicht sagen, ob ich ein perfektes Ergebnis erhalte, wenn ich das Ziel eingebe.
Es ist nicht ganz klar... Können Sie das genauer erläutern?
p.s. Und was war das Ziel? Ich habe mir den Code angesehen, konnte es aber nicht herausfinden, Gewinnmaximierung?
Wenn ich es richtig, ich habe auch fast das gleiche, aber mit einem anderen Algorithmus, ich vorhergesagt, nicht die Richtung, sondern das Knie einer Umkehrung, schrieb ich hier, wie ich den Preis behandelthttps://www.mql5.com/ru/forum/86386/page1476
Für diesen Effekt gibt es eine marktwirtschaftliche Erklärung. An Marktumkehrpunkten kommt es zu einer Veränderung des Gleichgewichts von Angebot und Nachfrage, die mit dem Auftreten stärkerer (fundamentaler) Preisfaktoren einhergeht. Vielleicht enthält die mathematische Beziehung zwischen verschiedenen vergangenen Punkten wertvolle Informationen für die technische Vorhersage zukünftiger Punkte.
Mir scheint, dass es sogar noch einfacher ist... Wenn wir nur signifikante Preisextrema belassen und alles andere weglassen, außerdem prognostizieren wir nicht die Richtung, sondern nur die Spur des Extremums, so werden die Daten von einer Menge Rauschen befreit und die Freiheitsgrade für das neuronale Netz reduziert, wofür es dankbar ist
Mir scheint, dass es sogar noch einfacher ist... Wenn wir nur signifikante Preisextrema belassen und alles andere weglassen, und außerdem nicht die Richtung, sondern nur die Spur des Extrems vorhersagen, werden die Daten nicht von viel Rauschen befreit und die Freiheitsgrade für das neuronale Netz reduziert, wofür es dankbar ist