Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 240
![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
coachte Kohonen bei den Preisen
O, H, L, C,
O[-1], H[-1], L[-1], C[-1]
die gesamte Berechnung wurde relativ zur aktuellen Öffnung durchgeführt, wie in den Spaltennamen angegeben
H/O L/O C/O O1/O H1/O L1/O C1/O
1 1.004326 0.9986890 1.0011799 0.0000000 0.000000 0.0000000 0.0000000
2 1.000000 0.9962027 0.9968574 0.9988215 1.003143 0.9975121 1.0000000
3 1.005518 0.9989490 1.0045980 1.0032843 1.003284 0.9994745 1.0001314
4 1.000392 0.9966000 0.9975154 0.9954230 1.000915 0.9943769 1.0000000
5 1.006949 1.0000000 1.0038023 1.0026223 1.003016 0.9992133 1.0001311
6 1.005877 0.9993470 1.0045710 0.9960820 1.003004 0.9960820 0.9998694
so wurde es in den von mir angegebenen Links gemacht
kohonen hat die Daten in 100 Cluster unterteilt, das ist eine ganze Menge, auf diesen Seiten haben sie sie in 5-6 Cluster unterteilt, die Genauigkeit der Candlestick-Muster hätte viel höher sein müssen...
Aber die Qualität der Anerkennung ist furchtbar, man kann es nicht einmal Anerkennung nennen.
=====================================
Mit dem Clustering nach der Methode der nächsten Nachbarn (kmeans) hatte ich mehr Glück, aber die Ergebnisse sind immer noch nicht zufriedenstellend
beschloss dann, den Cluster zu visualisieren
Im Idealfall sollte es so aussehen
aber mit 50 Clustern sieht es so aus
===========================================
Schlussfolgerung
Bevor Sie also von Rauschen sprechen, sollten Sie zunächst die Daten transformieren, damit MO die Daten verstehen kann. Vielleicht wurde MO deshalb besser auf Zufallsdaten trainiert, denn Zufallsdaten sind nicht genau zufällig, wenn sie generiert werden, unterliegen sie einigen harten Einschränkungen in Bezug auf Varianz, Streuung usw. Sie sind also eher stationär, habe ich Recht, Vizard?
Nun, die Jungs haben gerade durch einfache Beispiele herausgefunden, dass es einfacher ist, in weniger Cluster zu kommen)))
=============================================
Ja, deshalb schlug ich vor, dem Holzfäller beim Bauen der Bäume zuzusehen...
Was nützt es, weniger Cluster zu haben, wenn diese Sache mit hundert Clustern manchmal die Farbe der Kerze verwirrt, ganz zu schweigen von irgendwelchen Kerzenkombinationen
Ich erinnere mich nicht mehr an das Holz.
Aber ich verstehe das nicht.
Wie wurde die Zielscheibe hergestellt?
Woher stammt die Formel?
Das weiß ich auch nicht. Deshalb ist er ein Zauberer :)
Der Punkt ist, dass er mir gesagt hat, welche Candlestick-Merkmale ich verwenden soll, um Muster zu erkennen, alles andere ist eine nuancierte Erkenntnis.
Ich kann keine Formeln erstellen, aber zum Beispiel möchte ich folgendes tun - diese Prädiktoren (Candlestick-Charakteristika) clustern, die Rentabilität des Handels nach jedem einzelnen Cluster schätzen, sie in drei Gruppen kaufen/verkaufen/aussteigen nach der durchschnittlichen Preisbewegung nach jedem Cluster unterteilen. Und dann so etwas wie ein Wald kann logische Regeln anstelle von Clustern erhalten, aber es ist nicht wirklich notwendig, jede neue Daten können durch zuvor erhaltenen Regeln nach dem Modell geclustert werden, und durch die Zahl der Cluster, um eine Entscheidung zu treffen.
Ich möchte diese Prädiktoren (Candlestick-Merkmale) clustern, die Rentabilität des Handels nach jedem einzelnen Cluster schätzen und sie in drei Gruppen von Kauf/Verkauf/Ausstieg entsprechend der durchschnittlichen Preisbewegung nach jedem Cluster unterteilen. Und dann so etwas wie ein Wald kann logische Regeln anstelle von Clustern erhalten, aber es ist nicht wirklich notwendig, jede neue Daten können durch zuvor erhaltenen Regeln nach dem Modell geclustert werden, und durch die Zahl der Cluster, um eine Entscheidung zu treffen.
Ich habe etwas sehr Ähnliches gemacht, aber ich weiß nicht, welche Art von Ziel Sie den Clustern zuordnen wollen.
Ich habe Aufstriche gemacht... Ich würde sie in 100 bis 200 Cluster unterteilen.
Auf Quotes fanden sich 2-10 +- interessante Cluster, die etwas einbrachten, auf Oos stürzten alle ab
Auf Randoms fand ich 2-7 +- interessante Cluster, auf Oos (auf echten Quotes) etwa 30-60% der Cluster verdient, einige sehr stabil
Aber der erste Platz ist hier das Problem der richtigen Datenvorverarbeitung, wenn ich visuell analysiert, was in diesen Clustern ist, dann habe ich aufgeregt, zum Beispiel, wenn wir einen Cluster von zwei Kerzen haben, kann es gut sein, in einem Cluster zwei weiße und zwei schwarze Kerzen, das ist zwei diametral entgegengesetzte Situation in einem Cluster, wissen Sie, wie schlecht es ist, so dass Sie eine gute Vorverarbeitung Daten brauchen, damit ich nicht so hart hinhalten, weil das Gute aus solchen Clustern ist nicht das gleiche wie eine Münze werfen
Werfen Sie einen Blick auf diesen Artikel, ich denke, er wird nützlich sein.
Viel Glück!
Von all diesen Kerzenlichtübungen geht ein Hauch von Schamanismus aus. Es gibt überhaupt keinen regelmäßigen Gedanken! Eine erstaunliche Mischung aus anspruchsvollen Algorithmen des maschinellen Lernens und typischem Unsinn a la technische Analyse.
Aus irgendeinem Grund gibt es keinerlei Bemühungen, andere Währungspaare als Prädiktoren zu verwenden. Schließlich gibt es eine Vielzahl verwandter Währungspaare. Die einfachste Variante: Für ein Währungspaar, das ein Zielpaar ist, wählen wir Prädiktoren aus, die von diesem Währungspaar abgeleitet sind. Dann nehmen wir die gleichen Prädiktoren von anderen Währungspaaren.
Wir erhalten einen Stapel von Prädiktoren und überprüfen dann den gesamten Stapel der erhaltenen Prädiktoren auf ihren Einfluss auf die Zielvariable. Dieser Schritt ist obligatorisch. Warum den Müll mit einem Besen durch den Raum jagen?
Und dann alles andere.
Ich stelle fest, dass in meinem Vorschlag von einer "Verknüpfung der Währungspaare untereinander" die Rede ist.
Wenn wir versuchen, eine Reihe von Prädiktoren zu erstellen, muss es eine Idee geben. KANN NICHT DIESE IDEE SEIN: ZWEI KERZEN NEHMEN, DANN IHRE FARBE, DANN ZWEI RUNDEN UND SCHLIESSLICH DREI RUNDEN.
Von all diesen Kerzenlichtübungen geht ein Hauch von Schamanismus aus. Es gibt überhaupt keinen regelmäßigen Gedanken! Eine erstaunliche Mischung aus anspruchsvollen Algorithmen des maschinellen Lernens und typischem Unsinn a la technische Analyse.
Aus irgendeinem Grund gibt es keinerlei Bemühungen, andere Währungspaare als Prädiktoren zu verwenden. Schließlich gibt es eine Vielzahl verwandter Währungspaare. Die einfachste Variante: Für ein Währungspaar, das ein Zielpaar ist, wählen wir Prädiktoren aus, die von diesem Währungspaar abgeleitet sind. Dann nehmen wir die gleichen Prädiktoren von anderen Währungspaaren.
Wir erhalten einen Stapel von Prädiktoren und überprüfen dann den gesamten Stapel der erhaltenen Prädiktoren auf ihren Einfluss auf die Zielvariable. Dieser Schritt ist obligatorisch. Warum den Müll mit einem Besen durch den Raum jagen?
Und dann alles andere.
Ich stelle fest, dass in meinem Vorschlag von einer "Verknüpfung der Währungspaare untereinander" die Rede ist.
Wenn wir versuchen, eine Reihe von Prädiktoren zu erstellen, muss es eine Idee geben. DAS KANN NICHT SEIN: MAN NIMMT ZWEI KERZEN, DANN IHRE FARBE, DANN ZWEI RUNDEN UND SCHLIESSLICH DREI RUNDEN.
=======================================
Sprechen Sie über das Material in dem Artikel oder ganz allgemein?
Wenn es so aussieht, solltest du dich taufen lassen. Jetzt ssa)))
"wie Aktivierungsfunktionen, die häufig in Netzen verwendet werden. Sie können nicht nur am Ausgang der Netze, sondern auch am Eingang verwendet werden" = das Vorwort
eines Buches (das Buch ist nicht schlecht, ich habe es vor langer Zeit durchgeblättert) von vor zwanzig Jahren. Neuroinformatik und ihre Anwendungen in Wirtschaft und Handel.
p. 130. Individuelle Daten-Normalisierung.
http://www.neuroproject.ru/Papers/EzSh/Lecture_7.pdf
"Eine wichtige und gut funktionierende Technik ist die Verwendung der Parameter der "Singulären Strukturanalyse" oder "Caterpillar"-Methode." 1996г.)))
http://www.gistatgroup.com/gus/ex1.html
Du bist zu jung, um mir Ratschläge zu geben.
Und die Staatsanwaltschaft ist ein wunderbares Instrument in fähigen Händen.
Viel Glück!
Von all diesen Kerzenlichtübungen geht ein Hauch von Schamanismus aus. Es gibt überhaupt keinen regelmäßigen Gedanken! Eine erstaunliche Mischung aus anspruchsvollen Algorithmen des maschinellen Lernens und dem typischen Unsinn der technischen Analyse.
Sanych, mach weiter und tu es!!!
1) das Wesentliche der Idee erzählen
2) den Code schreiben und veröffentlichen
3) Bilder vom Handel auf der Oos zeigen
nur Blabla...
Sie sollten wenigstens einen echten Beitrag verfassen, der Ihren Standpunkt bestätigt, den Sie so leidenschaftlich vertreten, und dass Sie ihn anfassen können, aber Sie werden es nicht tun, richtig? Ich weiß, warum ...
Ich bin nicht in der Lage, Formeln zu erstellen, aber zum Beispiel möchte ich Folgendes tun - diese Prädiktoren (Candlestick-Merkmale) zu clustern, die Rentabilität des Handels nach jedem einzelnen Cluster zu schätzen, sie in drei Gruppen zu unterteilen Kaufen/Verkaufen/Exit nach der durchschnittlichen Preisbewegung nach jedem Cluster. Und dann kann so etwas wie ein Wald logische Regeln anstelle des Clusterns erhalten, aber das ist nicht wirklich notwendig, man kann alle neuen Daten nach den zuvor erhaltenen Regeln gemäß dem Modell clustern und eine Entscheidung auf der Grundlage der Anzahl der Cluster treffen.