Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2752
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
Ich sehe keinen Sinn darin, etwas zu tun, was nicht das gewünschte Ergebnis bringt.
Vorsichtshalber möchte ich sagen, dass ich Ihnen nicht sagen werde, was Sie tun sollten. Vielmehr denke ich nur laut darüber nach, was ich selbst tun würde, wenn es einen Algorithmus gibt, der gute Ergebnisse liefert, aber schlecht in Form eines Expert Advisors implementiert ist (obwohl ich immer versuche, diese Option zu vermeiden). Höchstwahrscheinlich würde ich versuchen, ähnliche Ergebnisse mit Algorithmen zu erzielen, die einfacher zu implementieren sind. Unter anderem würde ich eine Analyse darüber erstellen, was genau der Algorithmus gut kann.
Ich würde mit KNN beginnen, und wenn er ein ähnliches Ergebnis liefert, dann ist es eine Frage der guten Auswahl eines gemeinsamen Satzes von Prädiktoren. Wenn das Ergebnis viel schlechter ist, dann liegt es vielleicht nur an der Auswahl einer Teilmenge von Prädiktoren zu jedem Zeitpunkt. Um diese Hypothese zu testen, würde ich versuchen, eine lokale Regression (z. B. LOESS) zu verwenden, da die Regression bereits einen Vergleich der Signifikanz der Prädiktoren ermöglicht. Die weiteren Schritte beruhen bereits auf den Ergebnissen der Analyse. Übrigens, mit dem Auftauchen von Matrizen in mql5 ist es einfach geworden, lineare Regression direkt in mql5 umzusetzen.
Richtig. In Ermangelung von A-priori-Annahmen wird die zweite Art verwendet. Ich frage mich, wie Sanych das sieht.
Meines Erachtens wird a priori angenommen, dass jede Klasse durch eine Gauß-Verteilung gegeben ist, die sich im Laufe der Zeit aufgrund der Nicht-Stationarität allmählich ändert. Ohne eine solche Annahme macht die Verwendung des Mahalanobis-Abstandsansatzes wenig Sinn.
Ich persönlich halte eine solche Annahme für zu stark, als dass sie für jedes Instrument und jedes Zeitintervall gelten könnte.
Um auf Nummer sicher zu gehen, werde ich Ihnen nicht sagen, was Sie tun sollten. Vielmehr denke ich nur laut darüber nach, was ich selbst tun würde, wenn es einen Algorithmus gibt, der gute Ergebnisse liefert, aber schlecht in Form eines Expert Advisors implementiert ist (obwohl ich immer versuche, diese Option zu vermeiden). Höchstwahrscheinlich würde ich versuchen, ähnliche Ergebnisse mit Algorithmen zu erzielen, die einfacher zu implementieren sind. Unter anderem würde ich eine Analyse darüber erstellen, was genau der Algorithmus kann.
Ich würde mit KNN beginnen, und wenn er ein ähnliches Ergebnis liefert, dann ist es eine Frage der guten Auswahl eines gemeinsamen Satzes von Prädiktoren. Wenn das Ergebnis viel schlechter ist, dann liegt es vielleicht nur daran, dass zu jedem Zeitpunkt eine Teilmenge von Prädiktoren ausgewählt wird. Um diese Hypothese zu testen, würde ich versuchen, eine lokale Regression (z. B. LOESS) zu verwenden, da die Regression bereits einen Vergleich der Signifikanz der Prädiktoren ermöglicht. Die weiteren Schritte beruhen bereits auf den Ergebnissen der Analyse. Übrigens, mit dem Auftauchen von Matrizen in mql5 ist es einfach geworden, lineare Regression direkt in mql5 umzusetzen.
Es ist komisch zu sagen, aber alle Varianten der Matrix-Glättung haben KEINE Vorhersagekraft, einschließlich LOESS, ich habe es ausprobiert.
Es ist witzig, das zu sagen, aber alle Varianten der Mashek-Glättung haben KEINE Vorhersagekraft , einschließlich LOESS, versucht es.
Nicht lustig oder informativ im Allgemeinen. Ich habe auch die Mittelwertbildung aufgegeben, aber mir ist klar, dass die Bandbreite meiner Studien klein, nicht formalisiert und nicht spezifisch ist. Bei alten Studien kann man keine Spezifität erreichen, aber zumindest konnte man sie auf formalisierte Weise beschreiben, um sie zu verstehen. Welche Durchschnittswerte werden untersucht, in welchem Bereich und über welche Zeiträume.
ZY meine Daten 18-20 Jahre, Maische 3, 14, 60, 120 auf allen TF-Vierern, einige BB. Das beste Ergebnis auf TF 1 Stunde, auch Spread-Drain. Auswahl der Parameter manuell.
Es ist witzig, das zu sagen, aber alle Varianten der Mashek-Glättung haben KEINE Vorhersagekraft , einschließlich LOESS, versucht es.
MAs haben von Natur aus keine Vorhersagekraft. Darum geht es einfach nicht, auch wenn es sich um Matrizen handelt (hier geht es genau darum, einen Vektor von Preisen mit einer N-dimensionalen Matrix zu multiplizieren, um einen Gewinn zu erhalten; die ganze Aufregung dreht sich um die Erstellung und Korrektur der Matrix).
Es geht um die Frage, "welcher Preis zum Zeitpunkt T vor der Zeit als gültig anzusehen ist", was im Allgemeinen sehr wichtig ist. Was war vor T Zeiten, von der Höhe dessen, was bereits gelebt wurde. Es geht mehr oder weniger um die Interpretation (das Verständnis) der Geschichte.
verwendet classDist
1) Training/Umschulung des Modells, wenn classDist etwa 1 ist, d. h. mit Filterung auf aus Sicht des Algorithmus gute Zustände
2) Eingabe von classDist als Merkmal für die gesamte Stichprobe
3) Filterung auf verschiedene Zustände
4) einfaches Training und ständiges Umlernen ausprobiert
in allen Fällen ist die Vorhersagekraft nicht besser als die stochastische, sie ist fast zufällig....
Es gibt also Fragen zur Realität der Aussagen
MAs haben von Natur aus keine Vorhersagekraft. Darum geht es ihnen einfach nicht, auch wenn es sich um Matrizen handelt (was genau will man hier - einen Preisvektor mit einer N-dimensionalen Matrix multiplizieren, um einen Gewinn zu erzielen; die ganze Aufregung dreht sich um die Erstellung und Korrektur der Matrix).
Es geht um die Frage, "welcher Preis zum Zeitpunkt T vor der Zeit als gültig anzusehen ist", was im Allgemeinen sehr wichtig ist. Was war vor T Zeiten, von der Höhe dessen, was bereits gelebt wurde. Es geht mehr oder weniger um die Interpretation (das Verständnis) der Geschichte.
Den Klassikern zufolge liegt die größte Vorhersagekraft in Preisen/Niveaus/was auch immer, die nahe am aktuellen Stand liegen. Wir versuchen solche TS und sehen offen gesagt schwache Ergebnisse. Das ist nicht die Schuld der Mashki.
In der Realität wird dies nicht beachtet, der aktuelle Preis kann durch weit entfernte Änderungen beeinflusst werden und die nahen Änderungen können verwirrend sein.
Deshalb glaube ich nicht an eine Umschulung in einem gleitenden Fenster, obwohl es manchmal gut aussieht, wie in meinem Entropie-Artikel.
Es ist interessant, Referenzpunkte in der Geschichte zu identifizieren, die die Zukunft mit einer verzögerten Wirkung beeinflusst haben. Dies kann auch in einem gleitenden Fenster durch originelle Ansätze geschehen.
Falls erforderlich, kann ich das genauer beschreiben. Im Allgemeinen kann es wie ein gleitendes oder verschiebendes Fenster aussehen, nicht wie ein festes. Moderne Algorithmen zur Verarbeitung von Sequenzen arbeiten ungefähr nach dem gleichen Prinzip. Aber die Foren haben ihre eigenen Besonderheiten, die sie nicht berücksichtigen.
Um die Besonderheiten zu bestimmen, müssen wir ein wenig über Fraktale und ihre Eigenschaften theoretisieren. Betrachten wir zum Beispiel eine Zeitreihe als Fraktal, dann gibt es etwas, auf das wir uns stützen können.
Dann bekommen Ebenen/Muster/etwas anderes eine echte Bedeutung und stellen eine bestimmte Beschreibung eines Systems mit bekannten Eigenschaften dar. Dann kann alles in einer Theorie und einem gemeinsamen Verständnis zusammengefasst werden.
Es gibt verschiedene Versuche, sich in diese Richtung zu bewegen, einschließlich der fraktionalen Differenzierung. Aber wir brauchen etwas Eindeutigeres und Stärkeres.
Die Wirtschaftsphysik hat sich meiner Meinung nach in eine falsche Richtung entwickelt, vielleicht verstehe ich sie auch nicht ganz. Viele Formeln und wenig Sinn.
darüber nachdenken
Klassischerweise wird die größte Vorhersagekraft durch Preise/Niveaus/was auch immer in der Nähe des aktuellen Preises dargestellt. Wir versuchen solche TS und sehen offen gesagt schwache Ergebnisse. Mashki ist hier nicht zu tadeln.
In Wirklichkeit wird er nicht beobachtet, der aktuelle Preis kann durch weit entfernte Änderungen beeinflusst werden, und die nächstgelegenen Änderungen können verwirren.
Deshalb glaube ich nicht an eine Umschulung in einem gleitenden Fenster, obwohl es manchmal gut aussieht, wie in meinem Artikel über Entropie.
Es ist interessant, Referenzpunkte in der Geschichte zu identifizieren, die die Zukunft mit einer verzögerten Wirkung beeinflusst haben. Dies kann auch in einem gleitenden Fenster durch originelle Ansätze geschehen.
Falls erforderlich, kann ich das genauer beschreiben. Im Allgemeinen kann es wie ein gleitendes oder sich verschiebendes Fenster aussehen, nicht wie ein festes. Moderne Algorithmen zur Verarbeitung von Sequenzen arbeiten ungefähr nach dem gleichen Prinzip. Aber für Foren werden sie ihre eigenen Besonderheiten haben, die sie nicht berücksichtigen.
Um die Besonderheiten zu bestimmen, müssen wir ein wenig über Fraktale und ihre Eigenschaften theoretisieren. Betrachten wir zum Beispiel eine Zeitreihe als Fraktal, dann gibt es etwas, auf das wir uns verlassen können.
darüber nachdenken
Was ergibt die Fraktalität?
Es ist interessant, Referenzpunkte in der Geschichte zu identifizieren, die die Zukunft mit einer verzögerten Wirkung beeinflussen. Dies kann auch in einem gleitenden Fenster durch originelle Ansätze geschehen.
Und hier wird er, indem er mein Konzept von "Ereignis" durch "Repertoriumspunkte" ersetzt, so tun, als sei ihm das nicht vor einem Dutzend Tagen mitgeteilt worden.... ja.
Klassischerweise wird die größte Vorhersagekraft durch Preise/Niveaus/was auch immer in der Nähe des aktuellen Preises dargestellt. Wir versuchen solche TS und sehen offen gesagt schwache Ergebnisse. Mashki ist hier nicht zu tadeln.
In Wirklichkeit wird er nicht beobachtet, der aktuelle Preis kann durch weit entfernte Änderungen beeinflusst werden, und die nächstgelegenen Änderungen können verwirren.
Deshalb glaube ich nicht an eine Umschulung in einem gleitenden Fenster, obwohl es manchmal gut aussieht, wie in meinem Artikel über Entropie.
Es istinteressant, Referenzpunkte in der Geschichte zu identifizieren, die die Zukunft mit einer verzögerten Wirkung beeinflusst haben. Dies kann auch in einem gleitenden Fenster durch originelle Ansätze geschehen.
Falls erforderlich, kann ich das genauer beschreiben. Im Allgemeinen kann es wie ein gleitendes oder sich verschiebendes Fenster aussehen, nicht wie ein festes. Moderne Algorithmen zur Verarbeitung von Sequenzen arbeiten ungefähr nach dem gleichen Prinzip. Aber für Foren werden sie ihre eigenen Besonderheiten haben, die sie nicht berücksichtigen.
Um die Besonderheiten zu bestimmen, müssen wir ein wenig über Fraktale und ihre Eigenschaften theoretisieren. Betrachten wir zum Beispiel eine Zeitreihe als Fraktal, dann gibt es etwas, auf das wir uns verlassen können.
Es gibt verschiedene Versuche, sich in diese Richtung zu bewegen, einschließlich der fraktalen Differenzierung. Aber es wird etwas Expliziteres und Stärkeres benötigt.
Die Wirtschaftsphysik hat sich meiner Meinung nach in eine falsche Richtung entwickelt, vielleicht verstehe ich sie auch nicht ganz. Viele Formeln und wenig Bedeutung.
darüber nachdenken
Punkte in der Geschichte, die über die klassische SB hinausgehen, verdienen eine besondere Aufmerksamkeit.