Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1543

 
Aleksey Vyazmikin:

Es sieht interessant aus, haben Sie es selbst implementiert oder gibt es eine Bibliothek - ich meine die grafische Komponente und die finanziellen Berechnungen.

Was die Ergebnisse betrifft, so scheinen Rentabilität und Sharpe Ratio nicht auszureichen - es gibt fast keinen Spielraum für Slippage und Provisionen, falls es welche gibt.

das Prüfprogramm für Python, liba - es gibt viele verschiedene davon

Im Übrigen - jetzt fahre ich mit anderen Parametern und meine Begeisterung ist weg, der gleiche Overfit wie der Wald

Es ist nicht schwer zu erkennen, wo es eine Spur und wo es eine Prüfung gibt. Das heißt, es hat sich im Wesentlichen nichts geändert, die Katbust hat keinen Vorteil gebracht.

Später werde ich lstm ausprobieren.


 
Maxim Dmitrievsky:

Wie für alles andere - jetzt fahre ich mit anderen Parametern und die Begeisterung ist weg, der gleiche Overfit wie im Wald

Was sind die Chips und Ziele?

 
Gral:

Was sind die Merkmale und Ziele?

Inkremente sind normal, Ziele zufällig von Training zu Training, durch verschiedene Schritte (wie ein Zickzack mit fließenden Parametern)

 
Maxim Dmitrievsky:

Die Inkremente sind normal und werden nach dem Zufallsprinzip von Training zu Training in verschiedenen Schritten (wie ein Zickzack mit fließenden Parametern) festgelegt.

okay

Ich habe noch nie gute Ergebnisse mit Renditen oder Inkrementen erzielt, sie sind zu laut und ich sollte sie nicht handeln((

 
Gral:

eindeutig

Ich habe schlechte Erfahrungen mit Rückgaben oder Inkrementen gemacht, es war zu laut, so kann man nicht handeln((.

Wenn Sie eine haben, ist sie nur von kurzer Dauer oder weniger verbreitet. Wenn ja, sind sie kurzlebig oder weniger verbreitet.

 
Maxim Dmitrievsky:

Sie können mehr Orders und weniger Trades annehmen, aber es gibt keine normalen Muster. Wenn es sie gibt, sind sie kurzlebig oder weniger verbreitet.

Nun, was erwarten Sie denn...

traurig

Natürlich kann man Lärm auf viele Arten bekämpfen, aber man bekommt "Axtsuppe".

 
Gral:

Nun, was erwarten Sie denn...


es war einfach interessant, die Klassifikatoren zu vergleichen

Ich konnte dem Screenshot nicht viel abgewinnen.

 
Maxim Dmitrievsky:

es war einfach interessant, die Klassifikatoren zu vergleichen

Ich habe auf dem Screenshot nicht viel verstanden.

Klassifikator - Wald, Späne - Impulszeichen (10,20,40,80,160,640,1280,2560,5120) Ziel - Richtungszeichen ZZ(10)

es gibt nichts zu vergleichen, es ist eine lahmarschige Konfiguration

 
Gral:

Klassifikator - Wald, Späne - Impulszeichen (10,20,40,80,160,640,1280,2560,5120) Ziel - Richtungszeichen ZZ(10)

Haben Sie versucht, die Fiches\Returns? zu überwachen und sie der Übungsprobe hinzuzufügen. D.h. mehrere Implementierungen des Prozesses mit unterschiedlichen Drifts etc. vornehmen. das einzige, was ich noch nicht getan habe

denn wenn wir die Differenzen von den Preisen abziehen, gehen Summen verloren, und die Datenblätter werden unvollständig. Montecarlo kann repariert werden ... vielleicht

https://programmingforfinance.com/2017/11/monte-carlo-simulations-of-future-stock-prices-in-python/

Monte Carlo Simulations of Future Stock Prices in Python
Monte Carlo Simulations of Future Stock Prices in Python
  • programmingforfinance.com
A Monte Carlo simulation is a method that allows for the generation of future potential outcomes of a given event. In this case, we are trying to model the price pattern of a given stock or portfolio of assets a predefined amount of days into the future. With Python, R, and other programming languages, we can generate thousands of outcomes on...
 
Maxim Dmitrievsky:

Haben Sie versucht, die Fiches\returns? zu überwachen und sie der Übungsprobe hinzuzufügen. D.h. mehrere Implementierungen des Prozesses mit unterschiedlichen Drifts etc. vornehmen. das einzige, was ich noch nicht getan habe

denn wenn wir die Differenzen von den Preisen abziehen, gehen Summen verloren, und die Datenblätter werden unvollständig. Montecarlo kann repariert werden ... vielleicht

https://programmingforfinance.com/2017/11/monte-carlo-simulations-of-future-stock-prices-in-python/

Ich habe viele Dinge ausprobiert, IMHO ist der Forecaster, um ein Vorzeichen für zukünftige Inkremente zu ändern, eine traurige Sache, zumindest habe ich nie gelernt, wie man etwas Gutes damit macht, es geht nicht um Eigenheiten der Konfiguration, sondern um eine Vorhersagbarkeit nahe Null, die durch die Handelskosten völlig nivelliert wird.

Die Inkremente sind "mikro"-Ebene, wie die Bewegungen der Atome, während der Fokus sollte etwas weniger laut sein, etwas wie Trend-Following / Floating, als die Filterung der üblichen Reverse-und Impuls-ein.