Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3227

[fxsaber]

fxsaber #:

Es scheint, dass ein Optimierungsdiagramm zeigen kann, wie schwierig der Suchprozess ist. Also los geht's.

Diagramm der Suche nach einem Muster in der ursprünglichen Serie.

Ehrlich gesagt, sehe ich keinen merklichen Unterschied. Dieses Diagramm scheint uns nichts Interessantes zu sagen.

[Aleksey Vyazmikin]

fxsaber #:

Leider handelt es sich dabei um Hypothesen, die erst noch verwirklicht und getestet werden müssen.

@Maxim Dmitrievsky versucht seine Optionen, ich versuche meine.

Ja, natürlich muss jeder Ansatz getestet werden.....

Hier ist eine weitere Python-Methode zur Erzeugung von Zeitreihen aus einer Stichprobe.

Das Thema ist interessant, aber ich kann ihm noch nicht genug Zeit widmen.

[fxsaber]

Aleksey Vyazmikin #:

Das Thema ist interessant, aber bisher hatte ich keine Gelegenheit, ihm ausreichend Zeit zu widmen.

Ich frage mich, ob Kaggle es tun würde.....

[Renat Fatkhullin]

Wir planen, eine weitere Meisterschaft zur Förderung neuronaler Netze zu starten:

1) Wir werden eine einzige MQL5-Robotervorlage mit herunterladbarem model.onnx bereitstellen

2) Während 5 Monaten werden die Teilnehmer ihre Module in Form von model.onnx hochladen

3) jeden Tag werden sie automatisch auf die Geschichte von 2023.01.01 bis zum aktuellen Tag auf 4 wichtigsten Wechselkurse ausgeführt werden

4) die tägliche Rangliste der Teilnehmer wird veröffentlicht

5) am Ende der vorläufigen Periode der Akkumulation der Teilnehmer innerhalb von 5 Monaten, wird die echte Handelsperiode innerhalb von 1 Monat beginnen

6) je nach den Ergebnissen der Arbeit während 1 Monats werden die Gewinner ermittelt

7) Der Preisfonds unserer Firma in Höhe von 30 000 Dollar wird auf drei Gewinner aufgeteilt: 15 000, 10 000 und 5 000 Dollar

8) wir garantieren, dass am Ende der Meisterschaft alle Modelldateien gelöscht werden, um das geistige Eigentum der Entwickler zu schützen

Der Zweck der Meisterschaft ist ausschließlich, die Entwicklung des maschinellen Lernens im Handel zu fördern. Programme nur als eine einzige unveränderliche MQL5-Vorlage + model.onnx

[Andrey Dik]

Toll, das ist großartig!

[fxsaber]

Renat Fatkhullin #:

6) Die Gewinner werden anhand der Ergebnisse innerhalb eines Monats ermittelt.

Wird das Zufallsprinzip bei der Preisvergabe übertrumpft? Warum nicht die Kaggle-Methode anwenden, wenn es eine geschlossene LONG-Stichprobe gibt? Dann führen Sie einen Backtest durch und OnTester zeigt den Gewinner sofort an.

[fxsaber]

Renat Fatkhullin #:

3) täglich werden sie automatisch auf die Historie vom 2023.01.01 bis zum aktuellen Tag zu den 4 wichtigsten Wechselkursen ausgeführt

Da wir weit vom Algo-Trading entfernt sind, teile ich Ihnen mit, dass die MQ-Demo-Kurse ein sehr geringes Gewinnpotenzial haben. Grob gesagt, wenn ich die Zukunft kenne, würde ich in MQ-Demo mit perfekter Ausführung 100 u.e. verdienen, und auf XXX-Demo 1000 u.e.. Dies deutet darauf hin, dass viele bestehende (auf der realen nicht in den Küchen gehandelt) Muster können Sie einfach nicht ausprobieren.

Wenn Sie also z.B. Scalper anlocken wollen, die eine sehr hohe statistische Signifikanz der Ergebnisse haben, müssen Sie etwas an der Quelle des Zitierens der MQ-Demo ändern. Nun ist es für viele Studien nicht geeignet.

[fxsaber]

Renat Fatkhullin #:

3) Täglich werden sie automatisch auf der Historie vom 2023.01.01 bis zum aktuellen Tag zu 4 Hauptwechselkursen ausgeführt

Schauen Sie sich die gleichen Signale an und sehen Sie, mit welchen Symbolen die Marktführer hauptsächlich handeln.

[СанСаныч Фоменко]

fxsaber #:

Es scheint, dass ein Optimierungsdiagramm zeigen kann, wie schwierig der Suchprozess ist. Also, los geht's.

Wozu dienen diese Diagramme?

Nun, nehmen wir an, Sie finden einige Muster in der GESCHICHTE und lernen, wie Sie ähnliche Muster erzeugen können.

Wozu?

Wir brauchen solche sich wiederholenden Stücke von Diagrammen, NACH denen ein ganz bestimmter Abschnitt RECHTLICH folgt. Genau NACHHER, in der ZUKUNFT. Die gesamte Wirtschaftswissenschaft lässt sich in zwei Teile unterteilen: Analyse und Vorhersage. Aber die Vorhersage folgt NICHT aus der Analyse, weil alle Finanzdaten NICHT stationär sind.

Daher MO-Modelle.

Jedes MO-Modell ist in der Lage, Muster und ähnliche Verläufe auf historischen Daten zu finden. Das Wesentliche an MO ist, dass diese Muster - PATTERNS - mit dem ZUKÜNFTIGEN Wert des Lehrers in Einklang gebracht werden. Nur in MOE ist ein solcher Ansatz möglich - FUTURE.

Übrigens, bei GARCH sucht man nach einem mathematischen Muster und sagt die Zukunft voraus, in der Hoffnung, dass sich das gefundene Muster nicht ändert.

[Forester]

Renat Fatkhullin #:

3) täglich werden sie automatisch auf die Historie vom 2023.01.01 bis zum aktuellen Tag zu den 4 wichtigsten Wechselkursen ausgeführt

Es ist unwahrscheinlich, dass ein einziges Modell für verschiedene Währungen gut funktioniert, vielmehr benötigen Sie für jede Währung ein anderes Modell.