Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 415
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
Gut, jetzt, wo Sie auf dem Punkt sind, werde ich Ihnen einen Gedanken zur Datenerfassung für die Verarbeitung mitteilen. Es ist wirklich schwierig, ein Modell mit einem hohen Grad an Verallgemeinerung auf einem ausreichend großen Gebiet zu trainieren, denn der Markt ist ein lebendiger Organismus und bla, bla, bla. Je länger der Trainingszeitraum ist, desto schlechter schneidet das Modell ab, aber länger. Zielsetzung: Erstellung eines Langzeitmodells. Split oder Methode zwei, jedoch für diejenigen, die einen Ausschuss von zwei Netzen verwenden.
Wir haben drei Zustände "Ja", "Nein" und "Weiß nicht", wenn die Gitter in verschiedene Richtungen zeigen.
Wir trainieren das Netz auf den gesamten Abschnitt, in unserem Fall 452 Einträge. Das Netz lernte diesen Satz zu 55-60 %, wobei davon ausgegangen wurde, dass die "Weiß nicht"-Antworten im Trainingssatz 50 % ausmachten, so dass 226 Signale das Netz nicht lernen konnte. Ok, jetzt bauen wir ein neues Modell NUR auf den "Weiß nicht"-Zuständen auf, d.h. wir versuchen, das Modell auf solchen Quasi-Zuständen aufzubauen, die das erste Modell in die Irre führten. Das Ergebnis ist in etwa dasselbe: Von 226 wird nur die Hälfte erkannt, der Rest erhält den Status "Weiß nicht", dann wird das Modell erneut erstellt. Das Ergebnis ist 113, dann 56, dann 28, dann 14. Bei 14 Einträgen, die keinem der vorherigen Modelle bekannt sind, berechnet der Jprediction Optimizer in der Regel bis zu 100 % Generalisierbarkeit.
Als Ergebnis haben wir ein "Pattern System", das den gesamten Markt in einem Zeitraum von drei Monaten erkennt.
Hier ist eine weitere Möglichkeit, neben "Context of the Day", wie Sie den Markt in Teilräume aufteilen und ein Training durchführen können, indem Sie genau "Pattern System" Hier ist ein Beispiel....
Ein interessanter Ansatz. Ich werde experimentieren müssen... Wurde es schon getestet, zumindest auf einer Demo? Es wäre interessant, das Signal zu sehen.
Dies alles ist seit 05.29 Uhr und 15 Minuten nicht mehr der Fall. Sie ist bereits in der dritten Woche. Aber wenn es nicht mehr bringt, dann ist der Ansatz im Prinzip einen Pfennig wert, aber ich glaube...... :-)
Meiner Meinung nach wäre es akzeptabel, NS einmal pro Woche an den Wochenenden umzuschulen. Ich denke also, es ist möglich, ... Sie brauchen sich keine Aufgaben zu stellen, um 3 Wochen, 3 Monate, ein Jahr lang mit Gewinn zu handeln, ohne umzulernen. Und durch wöchentliches Training wird Ihr NS immer an die neuesten Marktmuster angepasst.
Interessanter Ansatz. Ich werde experimentieren müssen... Haben Sie es schon in Betrieb genommen, zumindest als Demo? Es wäre interessant, das Signal zu sehen.
Meiner Meinung nach wäre es akzeptabel, NS einmal pro Woche an den Wochenenden umzuschulen. Ich denke also, wir können es verwenden... Ich möchte nicht, dass er 3 Wochen, 3 Monate, ein Jahr lang mit Gewinn handelt, ohne umzulernen. Und durch wöchentliches Training wird Ihr NS immer an die neuesten Marktmuster angepasst.
Sie brauchen einen robusten EA, ich habe einen für den Tester gemacht, der letzte mit vielen Trades, es ist nur die Arbeit von drei Modellen.
Ich habe einige Skripte, die nach dem Algorithmus des EA arbeiten gemacht, ich werde sie manuell auf das Signal laufen, und dann werden wir sehen...
Gut, jetzt, wo Sie auf dem Punkt sind, werde ich Ihnen einen Gedanken zur Datenerfassung für die Verarbeitung mitteilen. Es ist wirklich schwierig, ein Modell mit einem hohen Verallgemeinerungsgrad auf einer ausreichend großen Fläche zu trainieren, denn der Markt ist ein lebendiger Organismus und bla, bla, bla. Je länger der Trainingszeitraum ist, desto schlechter schneidet das Modell ab, aber länger. Zielsetzung: Erstellung eines Langzeitmodells. Split oder Methode zwei, jedoch für diejenigen, die einen Ausschuss von zwei Netzen verwenden.
Wir haben drei Zustände "Ja", "Nein" und "Weiß nicht", wenn die Gitter in verschiedene Richtungen zeigen.
Wir trainieren das Netz auf den gesamten Abschnitt, in unserem Fall 452 Einträge. Das Netz lernte diesen Satz zu 55-60 %, wobei davon ausgegangen wurde, dass die "Weiß nicht"-Antworten im Trainingssatz 50 % ausmachten, so dass 226 Signale das Netz nicht lernen konnte. Ok, jetzt bauen wir ein neues Modell NUR auf den "Weiß nicht"-Zuständen auf, d.h. wir versuchen, das Modell auf solchen Quasi-Zuständen aufzubauen, die das erste Modell in die Irre führten. Das Ergebnis ist in etwa dasselbe: Von 226 wird nur die Hälfte erkannt, der Rest erhält den Status "Weiß nicht", dann wird das Modell erneut erstellt. Das Ergebnis ist 113, dann 56, dann 28, dann 14. Bei 14 Einträgen, die keinem der vorherigen Modelle bekannt sind, berechnet der Jprediction Optimizer in der Regel bis zu 100 % Generalisierbarkeit.
Als Ergebnis haben wir ein "Pattern System", das den gesamten Markt in einem Zeitraum von drei Monaten erkennt.
Hier ist ein weiterer Weg neben "Context of the Day", wie Sie den Markt in Teilräume zerlegen können und produzieren Ausbildung, indem sie genau ein "Pattern System" Hier ist ein Beispiel....
------------------------------------------------------------
Diese Methode wird als "Boosting" bezeichnet -Boosting ist ein Verfahren zum sequentiellen Aufbau einer Komposition von Algorithmen des maschinellen Lernens, bei dem jeder nachfolgende Algorithmus versucht, Mängel in der Komposition aller vorherigen Algorithmen auszugleichen.Boosting ist ein gieriger Algorithmus zum Aufbau einer Komposition von Algorithmen.
Die bekannteste aktuelle Anwendung ist XGBoost.
Viel Glück!
Prädiktorenauswahl mit LASSO
Ja, dieser Algorithmus braucht hoch korrelierte Variablen nicht zu entfernen. Er kann sie gut allein bewältigen.
Ich habe es aber vor langer Zeit benutzt, als die Regression noch interessant war.
Viel Glück!
Dr. Trader:
Ja, nicht so sehr, mit solchen Ergebnissen, Sie besser das Paradigma, "die Hauptsache ist nicht zu gewinnen, sondern zu beteiligen", ich habe tatsächlich mein Konto verloren, wahrscheinlich nicht bewusst, aus Scham zu, von uns wie Wizard gab Hoffnung, sondern ging auch aus dem Weg, konnte nicht den Druck des Wettbewerbs standhalten. Vielleicht sollte man zugeben, dass es Spezialisten gibt, die viel besser sind als wir (hunderte, tausende Male...), die in Harvard studiert haben und Supercomputer benutzen.
Die Spezialisten sind viel besser als wir (hunderte, tausende Male...), sie haben in Harvard studiert und benutzen Supercomputer.
nicht tausende Male... Wenn man sich den Preis für den ersten Platz ansieht, ist der Champion nur 1000 / 2,09 = 478,47 mal besser als ich
nicht in Tausenden... Wenn man sich den ersten Platz anschaut, ist der Champion nur um 1000 / 2,09 = 478,47 Mal besser als ich
Eine Auszahlung in 478,47 mal, aber auf die kumulierte Rendite gibt es dudes für $ 10000, die über 3000 mal besser als Sie ist, eine Hoffnung für Wizard, aber ich denke, er schämt sich, dieses unangenehme Thema zu diskutieren.
Langweilig...... :-( Man trainiert, man trainiert, man wählt Modelle aus, man arbeitet sozusagen. Aber was tun Sie, wenn das Modell gebaut ist und Sie nur noch daran arbeiten müssen.......?
Langweilig...... :-( Man bildet aus, man bildet aus, man wählt Modelle aus, man arbeitet sozusagen. Aber was macht man, wenn ein Modell gebaut ist und man nur noch daran arbeiten muss.......?
Das passiert selten, es ist besser, sich irgendwo auszuruhen, bis Ihr Gehirn protestiert und anfängt, Code zu schreiben, zum Beispiel in Thailand, Indonesien oder auf den Malediven.