Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1638
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
Eine zu kurze Erklärung.
Es ist nicht klar, ob 1 Prädiktor draußen in mehrere aufgeteilt und bereits als 5 Prädiktoren eingespeist wird. Vielmehr erfolgt dies nach wie vor intern als vorberechnete Splitwerte. Und sie teilen sich nach Sektoren auf.
Ich stimme zu, dass dies effizienter ist als die Halbteilung im klassischen Baumalgorithmus.
Was meinen Sie mit draußen oder drinnen? So wie ich es verstehe, nimmt man einen Prädiktor und versucht, seine Indikatoren in Segmente aufzuteilen, um eine ausreichende Anzahl von Aktivierungen zu erhalten und jedem Segment eine gewisse Vorhersagekraft zu verleihen; dazu werden verschiedene Methoden verwendet - mit einem bestimmten Schritt oder mit einer linearen Vereinigung kleiner Schritte (um es zu vereinfachen) erhält man solche Zellen mit Bereichen. Bei der Erstellung aller Bäume im Training werden nur Sätze solcher Zellen verwendet. Aber, es ist nicht genau :)
Ich hingegen versuche, diese Zellen zu einer einzigen zusammenzufassen. Als ich gestern diesen Beitrag sah, wurde erwähnt, dass sie etwas Ähnliches für kategoriale Prädiktoren tun.
In meinem Fall besteht die Gefahr des Übertrainings - ich werde dies etwas später an einer Stichprobe testen, wenn die Modelle fertig sind, und ich werde gleichzeitig eine Stichprobe machen, um es zu testen.
Es ist ziemlich beunruhigend, dass das Problem der Nicht-Stationarität in diesem Thread fast vollständig ignoriert wird. Aus irgendeinem Grund geht man davon aus, dass die in der Vergangenheit gefundenen Muster auch in der Zukunft funktionieren werden, und wenn sie nicht funktionieren, dann hat man zu viel gelernt. Es ist aber durchaus möglich, dass einige Muster im Laufe der Zeit einfach nicht mehr funktionieren - allmählich oder sogar sprunghaft (z. B. infolge einer Krise wie der aktuellen).
Das Problem, das ich sehe, ist, dass IO-Muster komplex sind und von Menschen schlecht interpretiert werden können. Wenn sie anfangen, schlecht abzuschneiden, ist es unmöglich, (innerhalb der Modelle) die Überlernvariante von der Nicht-Stationaritätsvariante zu unterscheiden. In der herkömmlichen Analyse kann man immer sagen: "Trendwechsel", "Durchbruch des Niveaus/Kanals" usw.
Mit einer solchen Dame müssen Sie wahrscheinlich Ihre Wäsche waschen und Ihre Mahlzeiten essen :)
Das hängt davon ab, wie du sie brätst. Eine ausgequetschte Frau kocht besser :-)
Mit Poesie kommst du bei so einer Dame nicht durch, du musst Mathe auf MGO-Niveau lernen)
Es ist ziemlich beunruhigend, dass das Problem der Nicht-Stationarität in diesem Thread fast vollständig ignoriert wird. Aus irgendeinem Grund geht man davon aus, dass die in der Vergangenheit gefundenen Muster auch in der Zukunft funktionieren werden, und wenn sie nicht funktionieren, dann hat man zu viel gelernt. Es ist aber durchaus möglich, dass einige Muster im Laufe der Zeit einfach nicht mehr funktionieren - allmählich oder sogar sprunghaft (z. B. infolge einer Krise wie der aktuellen).
Das Problem, das ich sehe, ist, dass IO-Muster komplex sind und von Menschen schlecht interpretiert werden können. Wenn sie anfangen, schlecht abzuschneiden, ist es unmöglich, (innerhalb der Modelle) die Überlernvariante von der Nicht-Stationaritätsvariante zu unterscheiden. In der normalen Analyse ist es immer möglich zu sagen: "Trendwechsel", "Durchbruch des Niveaus/Kanals" usw.
Ein Baum wird übrigens sehr leicht zu interpretieren sein.
Es ist ziemlich beunruhigend, dass das Problem der Nicht-Stationarität in diesem Thread fast vollständig ignoriert wird. Aus irgendeinem Grund geht man davon aus, dass die in der Vergangenheit gefundenen Muster auch in der Zukunft funktionieren werden, und wenn sie nicht funktionieren, dann hat man zu viel gelernt. Es ist aber durchaus möglich, dass einige Muster im Laufe der Zeit einfach nicht mehr funktionieren - allmählich oder sogar sprunghaft (z. B. infolge einer Krise wie der aktuellen).
Das Problem, das ich sehe, ist, dass IO-Muster komplex sind und von Menschen schlecht interpretiert werden können. Wenn sie anfangen, schlecht abzuschneiden, ist es unmöglich, (innerhalb der Modelle) die Überlernvariante von der Nicht-Stationaritätsvariante zu unterscheiden. In der herkömmlichen Analyse kann man immer sagen: "Trendwechsel", "Durchbruch des Niveaus/Kanals" usw.
Ich stimme völlig zu.
Ich habe mir immer wieder Gedanken zu diesem Thema gemacht, und ich denke, es ist notwendig, die Ergebnisse des Systems mit seinem Potenzial in einem bestimmten Bereich zu vergleichen.
Ich habe gerade heute darüber nachgedacht, wie man es besser und universeller machen kann. Ich stelle mir vor, dass der Lernprozess aus mehreren Schritten besteht, von denen der erste die Markierung von Proben ist, die man auf der Grundlage einiger Signalstrategien markieren kann. Diese Strategien sollten primitiv sein, haben aber Potenzial, zum Beispiel, MA Kreuzung durch den Preis erzeugt ein Einstiegssignal in Richtung einer solchen Kreuzung oder umgekehrt. Dann ist das Training nur ein Mittel, um falsche Signale herauszufiltern. Wenn man eine solche Annahme akzeptiert, kann man berechnen, wie viel Prozent eine solche Filterung in jedem Zeitintervall wirksam ist. Am einfachsten wäre es, die Genauigkeit und Vollständigkeit der Klassifizierung im Verhältnis zur Basisstrategie zu berechnen. Es gibt noch andere Optionen - Metriken. Dann können wir sehen, wie sich die Leistung des Modells verändert, selbst wenn es anfängt, Geld zu verlieren.
Es ist ziemlich beunruhigend, dass das Problem der Nicht-Stationarität in diesem Thread fast vollständig ignoriert wird. Aus irgendeinem Grund geht man davon aus, dass die in der Vergangenheit gefundenen Muster auch in der Zukunft funktionieren werden, und wenn sie nicht funktionieren, dann hat man zu viel gelernt. Es ist aber durchaus möglich, dass einige Muster im Laufe der Zeit einfach nicht mehr funktionieren - allmählich oder sogar sprunghaft (z. B. infolge einer Krise wie der aktuellen).
Das Problem, das ich sehe, ist, dass IO-Muster komplex sind und von Menschen schlecht interpretiert werden können. Wenn sie anfangen, schlecht abzuschneiden, ist es unmöglich, (innerhalb der Modelle) die Überlernvariante von der Nicht-Stationaritätsvariante zu unterscheiden. In der konventionellen Analyse ist es immer möglich zu sagen: "Trendwechsel", "Durchbruch des Niveaus/Kanals" usw.
Es gibt eine Praxis. Innerhalb eines Monats seit dem letzten Training habe ich keine Veränderungen bemerkt, selbst nachdem die Bitcoin stark gespült wurden. Das Einzige, was sich darauf auswirkt, ist die Periode direkt nach der manipulierten Vermögensbewegung, während dieser Periode ist das Neuronennetz völlig verloren und zeigt allen möglichen Müll an; je weiter entfernt von einem solchen Sturm, desto angemessener werden die Vorhersagen.
#16015- interessant anzuschauen... Kann ich einen Link dazu (den Kanal) in einer privaten Nachricht erhalten?
#23- konntest du am Ende eine erstellen?
#16015 - interessant anzuschauen... Kann ich einen Link dazu (den Kanal) in einer privaten Nachricht erhalten?
#23 - ist es Ihnen gelungen, eine solche zu erstellen?
#23- nein, Utopie, viel Zeit und Mühe, schließlich auf dem Backtest der Bot macht bis zu X5 ein Jahr auf ein Paar, aber im Durchschnitt 1 Mal pro Jahr es alles ausgießt. Auf dem realen Markt kann dieses "einmal im Jahr" schnell passieren, besonders bei Stürmen wie jetzt. Ich glaube nicht mehr an vollautomatische Bots, es kann einfach nicht funktionieren, der Markt wird sich sowieso anpassen und betrügen)
#Nr. 16015- dieses Mal lief es besser, wir haben jetzt einen funktionierenden Prototyp.
Neuro Schätzungen für BTCUSD nächsten 10-30 Minuten, es hängt von "Vertrauen" des Netzwerks. Je höher das Vertrauen, desto höher ist die Wahrscheinlichkeit, dass es in etwa 15 Minuten klappt, je niedriger das Vertrauen, desto unschärfer die Vorhersage. Es gibt keine Bindung an die Kerzen, die Vorhersage kommt jede Minute heraus.
Wenn Sie Expert für MT5 herunterladen, können Sie es hier bekommen (für diejenigen, die Expert Advisor früher heruntergeladen haben, können Sie es über diesen Link aktualisieren, Fehlerbehebungen sind verfügbar).
Es funktioniert nur auf BTCUSD und nur auf M1 Zeitrahmen, lesen Sie die Anleitung unten.
Anhand dieser Visualisierung wird deutlich, dass die Vorhersagen noch nicht ideal sind, aber die Ausbildung steht erst am Anfang, alles ist noch in den Kinderschuhen. Man weiß, wohin man als nächstes gehen muss...
Ich nehme nicht an, dass... In der Praxis zeigt sich ein Fehler von 1 % auf dem Trainingsdiagramm und ein Fehler von 50 % auf dem neuen Diagramm. D.h. man braucht signifikante Prädiktoren, und man kann sogar mit einem einzelnen Baum oder einer Regression trainieren.
Ein Baum wäre übrigens sehr einfach zu interpretieren.
Alle Prädiktoren haben die Tendenz, ihre Bedeutung im Laufe der Zeit zu verändern. Es geht nicht darum, dass sie nutzlos sind, sondern darum, ständig nach neuen zu suchen und darauf vorbereitet zu sein, dass die Bedeutung der bereits gefundenen verloren geht.