Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 468
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
Man hat es mir schon oft gesagt, und es ist immer dasselbe, es geht immer schnell.
Ich sage meinen Kunden immer: Es gibt keine schnellen Berater, es ist harte Arbeit:
1 Sie müssen Ihre TS formalisieren und ein Pflichtenheft erstellen
2 sie in einen für die Maschine verständlichen Code übersetzen
3 Prüfung auf Fehler bei der Ausführung der Logik
4 Prüfung auf Ausführungsfehler beim Handel
5 zusätzliche Änderungen entsprechend den festgestellten Fehlern in Logik und Ausführung vornehmen
6 um es im Tester und an den echten Daten zu testen
7 um den Expert Advisor mit den Funktionen zu vervollständigen, die er benötigt, um auf dem echten Konto zu arbeiten
usw.
Die Aufgabe des Programmierers besteht lediglich darin (2,5), Ihre Vorgaben in die Sprache der Maschine zu übersetzen und, wenn Sie Unstimmigkeiten in der Arbeit der Maschine mit Ihren Vorgaben feststellen, die Fehler zu korrigieren; damit ist die Arbeit des Programmierers erledigt; Ihr Expert Advisor arbeitet gemäß Ihren Vorgaben.
Der Rest ist Ihre Aufgabe, Ihren EA zu erstellen, zu überprüfen und zu verbessern (zu aktualisieren).
Mit freundlichen Grüßen.
P.S. Die Erstellung eines profitablen EAs kann bis zu einem halben Jahr oder sogar länger dauern, wenn Sie es wirklich brauchen.
Was Sie wirklich brauchen, ist ein zuverlässiger Öffner und Schließer. Würden Sie wirklich ein halbes Jahr brauchen, um das zu tun? ????? Dann seid ihr keine Gegner für uns...
Im wirklichen Leben wird es ein rotes n sein...)))
Entschuldigung, Teacher))))
Nun, darüber lässt sich streiten... Trickster. Weil dort keine Daten eingegeben werden und es im Wesentlichen die Arbeit der Polynomkoeffizienten selbst ist..... Und ich denke, dass das Vorhandensein von Eingabedaten die Gerechtigkeit nur verbessern wird. Nun, das tut sie.... IMHO!!!!
Was Sie wirklich brauchen, ist ein zuverlässiger Öffner und Schließer. Würden Sie wirklich ein halbes Jahr brauchen, um das zu tun? ????? Dann sind Sie für uns nicht geeignet...
MySQL: Es ist nicht meine Aufgabe, einen profitablen EA zu erstellen, sondern es ist Ihre Aufgabe, Ihren EA zu implementieren.
Er schreibt diesen Unsinn schon seit 14 Jahren)))
Mit Verlaub.
Idioten, alles längst erledigt, brauchen nur einen zuverlässigen Opener mit Serverfehlerhandling..... Ich bin vergnügt.... :-)
Idioten, alles längst erledigt, brauchen nur einen zuverlässigen Opener mit Serverfehlerhandling..... Ich bin vergnügt.... :-)
Mit freundlichen Grüßen.
P.S. Vergessen Sie nicht, eine Laufzeit von 2 Stunden anzugeben, nach Ihrer Arbeit gibt es für 5 Minuten, so dass, wenn der Programmierer wird ein Daumen links zu schreiben und das wird Zeit haben.
Vergleicht man die Vorhersagen in dem Artikel und diesen, so kann man feststellen, dass die vorhergesagten Trends in beiden Modellen perfekt übereinstimmen, aber in dem Artikel ist das Modell viel besser in der Lage, starke Ausschläge zu erkennen. Und die arima - mit Preisspitzen, wie es der Zufall will, und diese "Pechvögel" werden die größten Drawdowns verursachen. Außerdem können Sie in den Modelleigenschaften sehen, dass die Saisonalität nicht verwendet wird. Bis jetzt ist der Artikel der Gewinner :(
Ich brauche noch viel Arima-Intuition, um die Suchgrenzen für die ar,i,ma-Koeffizienten richtig zu setzen und das Modell nach saisonalen Parametern suchen zu lassen.
Die Diskussion über Arima ohne die Analyse der Residuen auf ARCH ist eine völlig leere Übung. Es gibt einige Reihen, die nach einer Arima-Simulation einen stationären Rest aufweisen. Aber die Diskussion über Vorhersagefehler unter der Annahme, dass sie stationär sind, ist nicht seriös. Dieser Rückstand ist äußerst facettenreich.
Ich habe auch einige weitere Anpassungen am Arima-Beispielhttps://www.mql5.com/ru/forum/86386/page467#comment_5649703 vorgenommen.
Die Saisonalität funktionierte nicht, weil der Datenzeitraum mit 1 definiert war, was dazu führte, dass auto.arima die Saisonalität automatisch deaktivierte. Ich habe den Zeitraum im Code auf 48 (Tag im aktuellen H12-Zeitrahmen) gesetzt, wie im Artikel beschrieben.
Es ist auch möglich, die Funktion findfrequency() aus dem Prognosepaket zu verwenden, um den Zeitraum automatisch zu bestimmen; für diese Daten gibt die Funktion 24 zurück.
Auf diese Weise hat es sich besser bewährt, denn das Modell trifft die Spitzen der Werte und sagt den Anstieg der Werte viel besser voraus.
arima Zug r^2: 0,516988
Arimatest r^2: 0,5346457
Arimatest diff r^2: 0,8407468
arima test diff Genauigkeit: 0.8288288
Aber das ist bei weitem nicht ideal, die Vorhersagen in dem Artikel sind viel genauer. Es sieht so aus, als ob der Grund dafür ist, dass die Daten mehrere Zeiträume haben (24, 48, 336 - ein halber Tag, ein Tag, eine Woche), und selbst mit Saisonalität kann arima nicht alle drei Zeiträume auf einmal treffen.
Ich habe recherchiert, ob es möglich ist, R Arima mit mehreren Jahreszeiten zu unterrichten, aber es scheint nicht möglich zu sein, so dass es keine Möglichkeit gibt, bessere Vorhersagen zu treffen. Jetzt verstehe ich, warum der Artikel solche Schwierigkeiten hat: Mit jedem Modell versucht der Autor, verschiedene Perioden von Wertschwankungen zu erfassen.
OOO Und hier ist unser geliebter Trickster!!!! Nun, Sie haben die Hände voll von poo???? Hier ist eine Ausrede, um sie herumzuwerfen....
Zu der Frage, ob der Optimierer von Reshetova umgeschult wird oder nicht. Hier ist ein Screenshot, den ich gestern in einer der Forex-Gruppen gepostet habe: ..... Blau markiert den Optimierungszeitraum, grün die Terminkontrakte. Aber es gibt keine Möglichkeit, die Daten zu übermitteln, und es stellt sich heraus, dass es seit Anfang des Jahres gut funktioniert hat.... Und Sie sagen Umschulung, Sie müssen nur in der Lage sein, zu trainieren....
Was sagen Sie jetzt zum Thema Übertraining????
Auf dem Markt wird jeder Klassifikator neu trainiert, da der Markt nicht stationär ist. Wenn wir Übertraining vermeiden wollen, müssen wir die NS für die gesamte Geschichte unterrichten. Andernfalls wird sich der Marktzyklus immer wieder ändern und das Modell wird falsch sein. Deshalb ist der einzig richtige Ansatz das Übertraining oder die Umschulung im Laufe des Handels :) Wir glauben nicht an Rollen, die in einer 15-jährigen Geschichte ohne jegliches Eingreifen ständig 1000% monatlich bringen.
Im Allgemeinen sehe ich immer noch nicht die Grenze - was übertrainierter NS im Forex bedeutet. Ist es, wenn es sich bei einer Probe nicht lohnt? nein, nein, nein... Nein, nein, nein... es geht um Nicht-Stationarität. Die Strategie hat keine Auswirkungen auf die Rentabilität des Unternehmens.
Ich habe auch eine kleine Anpassung an das Arima-Beispielhttps://www.mql5.com/ru/forum/86386/page467#comment_5649703 vorgenommen.
Die Saisonalität funktionierte nicht, weil der Datenzeitraum mit 1 definiert war, was dazu führte, dass auto.arima die Saisonalität automatisch deaktivierte. Ich habe den Zeitraum im Code auf 48 (Tag im aktuellen H12-Zeitrahmen) gesetzt, wie im Artikel beschrieben.
Sie können auch die Funktion findfrequency() aus dem Prognosepaket verwenden, um den Zeitraum automatisch zu bestimmen; für diese Daten gibt die Funktion 24 zurück.
Auf diese Weise hat es sich besser bewährt, da das Modell starke Wertesprünge erkennt und Wertsteigerungen viel besser vorhersagt.
arima Zug r^2: 0,516988
Arimatest r^2: 0,5346457
Arimatest diff r^2: 0,8407468
arima test diff Genauigkeit: 0.8288288
Aber das ist bei weitem nicht ideal, die Vorhersagen in dem Artikel sind viel genauer. Es sieht so aus, als ob der Grund dafür ist, dass die Daten mehrere Zeiträume haben (24, 48, 336 - ein halber Tag, ein Tag, eine Woche), und selbst mit Saisonalität kann arima nicht alle drei Zeiträume auf einmal treffen.
Ich habe recherchiert, ob es möglich ist, R Arima mit mehreren Jahreszeiten zu unterrichten, aber es scheint nicht möglich zu sein, so dass es keine Möglichkeit gibt, bessere Vorhersagen zu treffen. Jetzt verstehe ich, warum der Artikel solche Schwierigkeiten hat: Mit jedem Modell versucht der Autor, verschiedene Schwingungsperioden von Werten zu erfassen.
Könnten Sie bitte den Bericht über die Anpassung mit Parametern veröffentlichen?