Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1550

Neuer Kommentar
 
forexman77:

Serviert nur Preise, um einen Zufallswald zu trainieren. Ich habe die prognostizierte rote Linie. Bei den Trendgebieten fällt auf, dass die Prognoselinie überhaupt nicht getroffen wird.


alles richtig ist, denken Sie darüber nach, warum

 
Maxim Dmitrievsky:

Das stimmt, denken Sie nach, warum

Warum, das weiß ich schon, so wie ich es verstehe. Ich würde gerne wissen, was andere darüber denken?

 
forexman77:

Warum, das weiß ich schon, so wie ich es verstehe. Ich würde gerne wissen, was andere darüber denken.

weil der Wald nicht weiß, wie er extrapolieren soll

Sie müssen die Daten skalieren, z. B. die Inkremente.

Oder nehmen Sie einige flache Märkte, wenn nur der Preis als Merkmal
 
Maxim Dmitrievsky:

weil der Wald nicht weiß, wie er extrapolieren soll

Meinen Sie so etwas wie ARIMA, wenn mehrere Werte vorausgesagt werden?

Ich habe jede Vorhersage, nur einen Balken vorwärts (bewusst, dass der Wald nicht mit Zeitreihen funktioniert). Ich habe auch versucht, Folgendes zu tun: der vorhergesagte Balken wird hinzugefügt und ein Balken dahinter wird von den alten subtrahiert, und es geht in Zyklen bis

Ich habe es so versucht: Ich sollte eine Schleife durch einige Takte machen und die vorherigen durch die vorhergesagten Takte ersetzen.

Der erste und der zweite vorhergesagte Balken werden wiederholt.

So wird es im gif trainiert:

    def on_press(self, event):
        if event.xdata!=None and event.xdata>=1:
           index = int(event.xdata)
           index_ = ind[index:index + 30]
           if self.ln != 0:
               self.ln.remove()
           X = z[index - 31:index]
           X1 = z[index-1:index + 29]
           X=X.reshape(-1, 1)
           X1 = X1.reshape(-1, 1)
           y = z[index - 30:index + 1]
           regr = RandomForestRegressor(max_depth=5, random_state=0, n_estimators=10)
           regr.fit(X, y)
           y_1 = regr.predict(X1)

           self.ln, = self.ax.plot(index_, y_1, color='red')
 
forexman77:

Meinen Sie so etwas wie ARIMA, wo mehrere Werte vorausgesagt werden?

bei Regressionsmodellen werden die Vorzeichen einfach von den Koeffizienten dominiert, so dass alles funktioniert, wenn die Trainingsdaten außerhalb der Grenzen liegen

Der Wald teilt Blätter auf, deren Randwerte sowohl über als auch unter dem Bereich der Trainingsdaten liegen. Wenn die neuen Daten außerhalb dieses Bereichs liegen, zeigt der Wald die Werte der extremen Blätter an, die er kennt.

Sie haben also eine gerade Linie, denn der Wald zeigt die Extremwerte, die er kennt.
 
Maxim Dmitrievsky:

Warum nicht einfach ein Testgerät besorgen, z. B. eine Seilrutsche? Was ist der Vorteil?

Sie müssen nichts in MT5 ausführen, und die dll ist nicht sehr nützlich

MLflow ist bereits in Python enthalten. Darin können Sie das Ergebnis derSeilrutsche speichern.

Sie werden die Handelsstrategie ohnehin im MT5-Tester überprüfen, da dieser mehr Möglichkeiten bietet.

 
Maxim Dmitrievsky:

Bei Regressionsmodellen werden die Attribute einfach mit den Koeffizienten multipliziert, so dass alles funktioniert, wenn die Trainingsdaten außerhalb des Rahmens liegen.

teilt der Wald die Blätter auf, deren Randwerte sowohl über als auch unter dem Bereich der Trainingsdaten liegen. Wenn die neuen Daten außerhalb dieses Bereichs liegen, zeigt der Wald die Werte der ihm bekannten extremen Blätter an.

Deshalb gibt es eine gerade Linie, weil der Wald die ihm bekannten Extremwerte anzeigt.

Nun, im Prinzip ja, als Option zur Vorhersage von Inkrementen und deren Hinzufügung zum anfänglichen Balken, um so die gewünschte Tiefe zu erreichen.

Ich frage deshalb, weil der Wald die Daten nicht normalisieren muss, aber so ist es nun einmal.

 
forexman77:

Nun, im Prinzip ja, als Option, um die Inkremente vorherzusagen und sie zum anfänglichen Balken hinzuzufügen und so die gewünschte Tiefe zu erreichen.

Ich frage deshalb, weil der Wald die Daten nicht zu normalisieren braucht, aber so sieht es aus.

Nun, im Falle nicht-stationärer Zeitreihen ist es notwendig, sie zumindest in einen vernünftigen Bereich zu bringen, über den sie für einige Zeit nicht hinausgehen werden

aber je stärker die Differenzierung ist, desto mehr Informationen gehen verloren.

Dies ist also ein zweischneidiges Schwert - sowohl die Ausgangsreihen sind nicht sehr geeignet als auch die Inkremente mit einer einzigen Verzögerung sind nicht sehr gut, da viele Informationen verloren gehen.

Es geht nur die Information über die zeitliche Verschiebung des Mittelwertes verloren, sonst nichts. In meinen Super-Mutterschafts-Posts versuche ich, es in einfachen Worten zu erklären

 
Roffild:

MLflow ist bereits in Python enthalten. Darin können Sie das Ergebnis derSeilrutsche speichern.

Die Handelsstrategie wird weiterhin im MT5-Tester getestet, da dieser über mehr Funktionen verfügt.

Könnte sich später als nützlich erweisen, danke

 
1
1...154315441545154615471548154915501551155215531554155515561557...3399
Neuer Kommentar