Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1205

 
Aleksey Nikolayev:

Warum Preise und nicht Inkremente?

Ich weiß nicht, wie man es besser machen kann... und die Länge der Samples kann variiert werden... eine Menge Ärger mit all dem

es geht mehr um die Interpretierbarkeit... was gibt es da zu interpretieren? es gibt nur eine Metrik
 
FxTrader562:

Hallo Maxime

Gibt es einen neuen Artikel, den Sie hier besprechen?

Können Sie mir den Link zur Verfügung stellen?

Hallo, noch nicht veröffentlicht, wartet auf Moderation

 
FxTrader562:

Ok, wenn Sie wollen, können Sie mir den Code zur Verfügung stellen, damit ich ihn mir ansehen kann.

Warten Sie lieber auf den Artikel, denn ich habe zu viele Versionen

 
mytarmailS:

Und es besteht eine Abhängigkeit...

Ich habe "SMM" (Hidden Markov Model) auf Returnees trainiert, sie in 10 Zustände unterteilt und ohne Lehrer unterrichtet.


staatliche Verteilungen.


Und hier habe ich die Renditen nach Staaten gruppiert, d.h. jede Zeile ist ein separater Marktzustand

Einige Staaten (1,4,6,8,9) haben zu wenige Beobachtungen, so dass sie nicht berücksichtigt werden können.

Und jetzt werde ich versuchen, die Serie zu regenerieren, d.h. eine kumulative Summe zu bilden, wenn eine Tendenz in einigen der Zustände gefunden wird - die Regelmäßigkeit in der Richtung

Ich habe eine kumulative Zusammenstellung vorgenommen.

Die Staaten 5 und 7 weisen ein einheitliches Muster auf, 5 für die Bucht und 7 für das Dorf.

Sie beginnen endlich, in die richtige Richtung zu gehen :)

das Ganze mit einer einfachen Brute-Force-Methode zu erzwingen und das beste Muster auszuwählen

Mit der logischen Deduktion und der großen Methode der Deduktion kann nie ein profitables Schema gefunden werden, es gibt zu viele Varianten
 
Maxim Dmitrievsky:

Du gehst endlich in die richtige Richtung :)

Sie müssen lediglich eine einfache Brute-Force-Suche durchführen und das beste Modell auswählen.

Sie werden nie ein profitables Schema durch logische Schlussfolgerung und die große Methode der Deduktion finden, es gibt zu viele Varianten

Aber das Lustige ist, dass diese Zustände 5 und 7 sich am häufigsten ändern, sie sind nicht kontinuierlich in der Zeit und eine andere Sache ist, dass sie zwischen sich selbst wechseln))


der Graph der Zustandsübergänge


So sieht es aus, wenn Sie sie eintauschen. Rot ist verkaufen und blau ist kaufen


 
Maxim Dmitrievsky:

Nun möchte ich zu den optimierten Parametern die Abhängigkeit der Signale von den Verteilungen hinzufügen, wie ich es für den Anfang getan habe, um zu sehen

Wenn die Kurtosis höher ist als ein bestimmter Wert (den wir selbst bestimmen können), dann haben wir eine flache Situation und es ist möglich, mit der gleichen Wahrscheinlichkeit zu kaufen/verkaufen (und dann alle falschen Käufe zu korrigieren)

weiter auf Asymmetrie, wenn es eine bestimmte Seite gibt, dann ist die Wahrscheinlichkeit des Signals zu kaufen oder zu verkaufen verschoben

Dies ist ein primitives Verfahren, aber es ist ungefähr die Art und Weise, wie der Optimierer die Ziele auswählen kann

Alles, was Sie von den Metriken erhalten müssen, ist der Klassifizierungsfehler bei einer Teststichprobe (die an einer Trainingsstichprobe trainiert werden muss). Die Hyperparameter werden im Optimierer aufgezählt, und das Modell mit dem geringsten Fehler wird ausgewählt. Sie müssen nur wissen, ob ein solches Modell verallgemeinert werden kann oder nicht, indem Sie die Fehler der Testdaten betrachten.

Ich habe gerade ein Beispiel dafür gegeben, wie man mit dieser Art von Mist arbeiten kann.


Die Frage ist die Interpretierbarkeit des letztendlich gewählten Modells (welches tatsächlich gehandelt wird).

 
mytarmailS:

aber das Lustige ist, dass diese Zustände 5 und 7 am häufigsten wechseln, sie sind nicht kontinuierlich in der Zeit und auch das Lustige ist, dass sie miteinander wechseln))


Zustandsübergangsdiagramm


So sieht es aus, wenn Sie sie eintauschen. rot verkaufen und blau kaufen


Machen Sie es mit RL, Markovs Modell braucht Annäherung

 
Aleksey Nikolayev:

Die Frage ist die Interpretierbarkeit des resultierenden Modells (das tatsächlich gehandelt wird).

induktive Modelle sind in der Regel nicht interpretierbar, egal ob es sich um genetische Programmierung oder neuronale Netze handelt... es dauert lange, sie wieder in ihre Bestandteile zu zerlegen

python und r haben wahrscheinlich entsprechende Pakete

Beispiel für Bäume
How to visualize decision tree
How to visualize decision tree
  • explained.ai
Decision trees are the fundamental building block of gradient boosting machines and Random Forests(tm), probably the two most popular machine learning models for structured data. Visualizing decision trees is a tremendous aid when learning how these models work and when interpreting models. Unfortunately, current visualization packages are rudimentary and not immediately helpful to the novice. For example, we couldn't find a library that visualizes how decision nodes split up the feature space. So, we've created a general package (part of the animl library) for scikit-learn decision tree visualization and model interpretation.
 
Maxim Dmitrievsky:

Nun, wenn man alles über RL macht, muss das Markov-Modell durch etwas angenähert werden

Er ist bereits durch den Viterbi-Algorithmus in 10 Zustände unterteilt, also im Grunde wie ein Cluster.

Ich denke, der Preis sollte vor der Rückgabe angenähert werden, oder sollte man keine Rückgabe durchführen?

 

Übrigens, wenn sich jemand mit "cmm" beschäftigen möchte, hier ist ein Artikel mit Code und Beispielen in R

http://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of-4/

Hidden Markov Models – Examples In R – Part 3 of 4
Hidden Markov Models – Examples In R – Part 3 of 4
  • 2014.09.07
  • GekkoQuant
  • gekkoquant.com
This post will explore how to train hidden markov models in R. The previous posts in this series detailed the maths that power the HMM, fortunately all of this has been implemented for us in the RHmm package. HMMs can be used in two ways for regime detection, the first is to use a single HMM where each state in the HMM is considered a “regime”...