Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 287
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 muss noch viel üben, um mit Ihnen ein Gespräch über dieses Thema führen zu können... Und man muss nicht unbedingt Neuronics verwenden, man kann auch Forrest verwenden, es ist einfacher, das Ziel zu befestigen
...
Im Allgemeinen alles, aber es gibt eine Nuance - diese Optimierer, die ich versucht habe, kann nicht mit Gewichten zu bewältigen, sie finden nur einige lokale Minimum, wenn alle Ergebnisse werden gleich 0,5, um den durchschnittlichen Fehler zu minimieren, und an diesem Punkt sie stecken bleiben. Sie müssen hier einen Trick anwenden, weiter bin ich noch nicht gekommen.
Je komplexer die Struktur der Neuronen ist, desto mehr Gewichte gibt es, und desto schwieriger ist es für den Optimierungsalgorithmus, sie zu finden; bei großen Neuronen werden sie einfach dumm und verbessern das ursprüngliche Ergebnis kaum.
Die Antwort ist nicht so einfach. Hier ist eine Möglichkeit, zum Beispiel mit einem Neuron, aber Sie müssen verstehen, wie das Neuron funktioniert, welche Formeln es hat, usw.
Angenommen, Sie haben ein einfaches Neuron...
код
Der obige Code kann in den Optimierer geschoben werden...
Was für eine Geschichte Sie da erzählen))))
Warum hat Ihnen Backprop nicht gefallen, wenn es kein Geheimnis ist? Genauer gesagt, im Fall von einer Schicht und einem Ziel, ist alles stark vereinfacht, iterativ müssen Sie den Fehler multipliziert mit dem Input zur Konvergenz von den Gewichten subtrahieren, Delta-Regel genannt, oder Heb-Regel, ich erinnere mich nicht genau. Wt = Wt-1 - Lernrate*Fehler*Input, allgemein gesprochen, normaler Gradientenabstieg
War es nicht so, dass Sie vor nicht allzu langer Zeit in einem Zweig, in dem MT-Optimierer diskutiert wurde, Ihren Super-Algorithmus auf R demonstriert haben? Funktioniert das nicht?
Ich, ja, nein.
Was ist falsch an Backprop, wenn es kein Geheimnis ist?
Ich weiß, wie man den Gradientenabstieg durchführt, aber es erfordert ein Ziel für jedes spezifische Trainingsbeispiel - betrachten Sie das Ergebnis für das Trainingsbeispiel und verändern Sie die Gewichte in Richtung der Ableitung, um das Ergebnis näher an das reale Ergebnis zu bringen. Und so geht es reihum bei allen Ausbildungsbeispielen.
Und dieser Code war die Antwort auf die Frage, was zu tun ist, wenn man kein Ziel hat und seinem Neuron nur beibringen will, auf der Gewinnseite zu handeln. Lassen Sie ihn selbst entscheiden, wo es besser ist, zu kaufen oder zu verkaufen, solange der Gewinn profitabel ist.
So geben wir es ohlc Inkremente von Bars, erhalten Vorhersagen, was auf der nächsten Bar zu tun, simulieren den Handel auf der Grundlage der Vorhersagen und finden Sie die Trading Ratio scarpe. Dieser Ratio Shuffle ist die einzige Schätzung, die dem Neuron für den gesamten Satz von Eingabedaten gegeben wird.
Der Optimierer wird die Gewichte des Neurons so optimieren, dass das Verhältnis Sharpe wächst.
Wenn Sie Gradienten der Gewichte in Bezug auf die Sharpe Ratio finden, können Sie einen Gradientenabstieg durchführen, der viel besser ist als eine blinde Änderung der Gewichte.
Ich, ja, nein.
Gibt es unter den Hunderttausenden von Paketen in R nicht eines, das diese Aufgabe mit zufriedenstellenden Ergebnissen erledigen kann?
Gibt es unter den Hunderttausenden von Paketen in R nicht eines, das das Problem zufriedenstellend lösen kann?
Es gibt Pakete, die dieses Problem garantiert lösen, aber ich habe keine Zeit, monatelang auf ein Ergebnis zu warten, ich muss es idealerweise an einem Wochenende erledigen.
Diese Technologie ist nicht für den Heimcomputer geeignet.
Es gibt Pakete, die dieses Problem garantiert lösen, aber ich habe keine Zeit, monatelang auf ein Ergebnis zu warten, ich muss es idealerweise an einem Wochenende erledigen.
Diese Technologie ist nicht für den Heimcomputer geeignet.
- Was, das Auto springt nicht an?
- Nein, es fängt gut an, aber es dauert sehr lange.
Wenn die Technologie das Problem nicht in einer akzeptablen Zeit lösen kann, bedeutet dies, dass es die Technologie nicht gibt.
Wie viele Parameter sind zu optimieren, in welchem Bereich und in welchen Abstufungen sollten Sie optimieren?
Hier können Sie die historischen Daten zum Verhältnis zwischen Käufern und Verkäufern von der Onada herunterladen: https://www.oanda.com/forex-trading/analysis/historical-positions
die Korrelation zwischen dem Saldo und dem Preis aufgezeichnet und berechnet
layout(1:2)
plot(oanda$price ,t="l" , main = "EUR")
plot(oanda$pct_long ,t="l" , main = "balanse",col=2)
abline(h = 50)
cor(oanda$pct_long , oanda$price)
Korrelationskoeffizient -0,76
Es ist interessant festzustellen, dass sich der Preis in die entgegengesetzte Richtung bewegt, und zwar nicht einmal in absoluten Werten, sondern relativ zur Dynamik des Gleichgewichts...
Genau dieselbe Mechanik wird auf anderen hochliquiden Märkten angewandt, und dieses Gleichgewicht lässt sich auch auf andere Weise erkennen, zum Beispiel im Marktglas. Ich bin sicher, dass viele Menschen es wissen, ich gebe zu, dass ich selbst seit wahrscheinlich 6 Jahren weiß, aber ich habe es für diejenigen geschrieben, die es nicht wussten, es wird nützlich und interessant sein.
Wenn das Gleichgewicht den Markt in Schwung bringt, sollten Sie vielleicht besser das Gleichgewicht statt den Preis vorhersagen. Wie auch immer, die Preisprognose in Handelsstrategien ist nichts anderes als die Vorhersage zukünftiger Handlungen von Händlern, egal wie banal und trivial es klingt, aber wenn man anfängt, darüber nachzudenken, wie man die Menge vorhersagen kann, wird es interessanter.... Ich denke, um die Menge zu verstehen, sollte man zuerst sich selbst verstehen, denn wir sind die Menge ... Wie kann man eine Menschenmenge vorhersagen? Was denken Sie?
Aus irgendeinem Grund driftet das Gespräch immer wieder in eine Diskussion über die Vorzüge und Nachteile bestimmter Modelle ab.
Auch wenn ich aus meiner Erfahrung weiß, dass der Beitrag zum erfolgreichen Handel sehr gering ist.
Es ist die Definition des Ziels und seiner Prädiktoren, die es definiert.
Am Beispiel von ZZ habe ich mehrfach versucht zu zeigen, dass selbst eine so offensichtliche, anschauliche und schöne Zielvariable wie ZZ nicht dasselbe ist und bei näherer Betrachtung unüberwindliche Hindernisse aufweist.
Wenn wir über Prädiktoren sprechen, ist es für mich als jemand, der sich sein ganzes Leben lang mit Wirtschaft beschäftigt hat, ziemlich offensichtlich, dass:
Wenn man sich ausschließlich auf die Lösung dieser beiden Grundlagen für die Wirtschafts- und Devisenprognose konzentriert, dann wird sich der Erfolg nur aus diesen beiden Parametern ergeben. Und die Auswahl des am besten auf das Ziel und seine Prädiktoren passenden Modells kann die Leistung nur geringfügig verbessern, kann aber einige stichhaltige Überlegungen über die Lebensdauer des Modells ohne erneutes Training liefern.
Ich plädiere erneut dafür, sich auf die Zielvariable und die Rechtfertigung der Prädiktoren für diese spezielle Zielvariable zu konzentrieren.
Einverstanden.
Und dieser Code war die Antwort auf die Frage, was zu tun ist, wenn das Ziel nicht definiert ist und man seinem Neuron nur beibringen will, auf der Plus-Seite zu handeln. Lassen Sie ihn selbst entscheiden, wo es besser ist zu kaufen und wo es besser ist zu verkaufen - solange der Gewinn profitabel ist.
So geben wir es ohlc Inkremente von Bars, erhalten Vorhersagen, was auf der nächsten Bar zu tun, simulieren den Handel auf der Grundlage der Vorhersagen und finden Sie die Trading Ratio scarpe. Dieser Ratio Shuffle ist die einzige Schätzung, die dem Neuron für den gesamten Satz von Eingabedaten gegeben wird.
Der Optimierer wird die Gewichte des Neurons so optimieren, dass das Verhältnis Sharpe wächst.
Wenn Sie einen Gradienten der Gewichte in Bezug auf das Schärfeverhältnis finden, können Sie eine Gradientenhemmung erstellen, die viel besser ist als eine blinde Änderung der Gewichte.
Um ehrlich zu sein, ich habe es nicht versucht, aus irgendeinem Grund schien es sofort wie Alchemie, nicht eine sehr gute Idee, für einschichtige perseptron mit einer kleinen Anzahl von Instanzen, vielleicht etwas wird schrecklich langsam, mehrschichtige wird nicht funktionieren, IMHO ist es von geringem Nutzen. Neben TS Rentabilität hängt direkt auf die Vorhersage der Gesamtertrag von N Bars voraus, ist es unmöglich, schlechte Prognosen zu korrigieren, um eine ganze Strategie zu optimieren ist viel mehr riskieren, sich zu betrügen.