Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 573
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
D.h. wie Schwung. Es schlägt also am Schwanz zu.
Der Grund dafür ist, dass rohe Notierungen nicht für Regressionsprobleme verwendet werden sollten, da Modelle nicht extrapolieren können und Sie z. B. Oszillatormesswerte auf Nicht-Notierungen vorhersagen müssen.
Gefoltert für sechs Monate mit verschiedenen Prädiktoren, einschließlich Inkrementen von irgendetwas zu irgendetwas, die Anzahl der Prädiktoren. Und ich habe verschiedene Modelle verwendet. Und RF, und SVM, und MLP... Ich habe es sogar schon zu Seniorenzeiten versucht und bin auf M1 runtergegangen. Bei der Validierungsstichprobe konnte ich eine maximale Genauigkeit von 53 % erreichen, bei der Trainingsstichprobe 100,0 %. Das reicht für den Handel nicht aus. Ich brauche mindestens 57 % Genauigkeit, um rentabel zu sein. Entweder sind meine Hände schief oder etwas anderes. Hat jemand bessere Ergebnisse erzielt? Ich bin nur neugierig.
Hallo.
Ein Ratschlag, bitte. Wie kann man ein bereits vorbereitetes Modell (das Modell wurde in Python mit xgboost erstellt) in den Metatrader integrieren?
Die einzige Möglichkeit, die ich googeln konnte, ist, das Modell in einer Textdatei in Python zu speichern und dann mit R in mql zu laden.
Gibt es noch andere Möglichkeiten? Haben Sie irgendwelche Beispiele für die Umsetzung?
Vielen Dank im Voraus!
Ich habe mich für Named Pipes entschieden, da dies die einfachste und vielseitigste Lösung ist. D.h. mt und das Python-Skript kommunizieren nun als Client-Server miteinander. Senden von Anfragen/Antworten an andere.
Es geht hier nicht darum, rohe Notierungen für Regressionsprobleme zu verwenden, da Modelle nicht extrapolieren können und Sie z. B. Oszillatorwerte auf Nicht-Notierungen vorhersagen müssen.
Es ist möglich, sie wieder in Notierungen umzuwandeln, wobei es nicht darum geht, nackte Notierungen für Regressionsaufgaben zu verwenden, da Modelle nicht extrapolieren können und es notwendig ist, z. B. Oszillatorablesungen auf Nicht-Notierungen vorherzusagen. oder einfach Inkremente.
+ Ich habe das Modell gerade auf seine Angemessenheit hin überprüft, sonst würde SanSanych es weiterhin als Rassel bezeichnen.
Es ist klar, dass ein Fehler vorliegt, aber die allgemeine Art der Inkremente bleibt dieselbe. Und das ist kein Fehler des Modells selbst, sondern weil es auf Prädiktoren basiert und auch hier ein Fehler vorliegt.
+ gerade das Modell auf Angemessenheit überprüft, weil SanSanych es immer wieder als Rassel bezeichnet
Es ist offensichtlich, dass hier ein Fehler vorliegt, aber die allgemeine Form der Inkremente bleibt erhalten. Und es handelt sich nicht um einen Fehler des Modells selbst, sondern darum, dass es mit Hilfe von Prädiktoren erstellt wurde, und das ist ein eigener Fehler.
Nun, das ist verständlich.
Ich bin zwar kein Experte für RF, aber NS ist gut für Zitate, aber es ist besser, sie zu pronormalisieren. Übrigens merkt es sich alles sehr gut.
Ich meine, vielleicht sollte ich in Russland etwas nachbessern (Meinung eines Experten)).
Nun, das ist verständlich.
Ich bin mit RF nicht vertraut, aber NS ist in Ordnung, wenn es nur Anführungszeichen isst, es ist nur wünschenswert, sie zu pronormalisieren.
Es ist sehr wichtig, wie zu normalisieren ... und NS wird auch schief gehen, wenn es die Probenahme Grenzen überschreitet, schickte ich Ihnen einen Link zu einem Artikel ... mit RF ist es das gleiche im Wesentlichen aber noch schlimmer, es geht nur zu einem costant. Sie ist nur für Regressionsaufgaben relevant, während die Klassifizierung nicht wirklich von Bedeutung ist.
Und es ist auch sehr nützlich, das Sample auf ein bestimmtes Zeichen zu normalisieren, z.B. das letzte Rauschen zu entfernen... es ist viel einfacher und schneller, es auf einmal zu lernen. Oder Sie können bewusst einen hohen Schwellenwert für die Normalisierung und die Filterbereiche festlegen.
Es ist sehr wichtig, wie zu normalisieren ... und NS wird auch schief gehen, wenn es Grenzen der Probenahme überschreitet, schickte ich Ihnen einen Link zu einem Artikel ... es ist im Wesentlichen das gleiche mit RF, aber noch schlimmer, es geht einfach zu einem costant. Sie ist nur für Regressionsaufgaben relevant, während die Klassifizierung nicht wirklich von Bedeutung ist.
Es wird nicht über den Bereich hinausgehen, wenn Sie es richtig rationieren, nicht dumm).
Übrigens, Maxim, glauben Sie wirklich, dass eine stabile Vorhersage auf dem Markt möglich ist?
Es wird nicht über die Reichweite hinausgehen, wenn Sie es richtig rationieren, nicht dumm).
Übrigens, Maxim, glauben Sie wirklich, dass irgendeine Art von stabiler Vorhersage auf dem Markt überhaupt möglich ist?
in bestimmten Märkten ja, fast sicher... oder in bestimmten Marktphasen... es ist möglich, aber nicht immer, man braucht zumindest gute Filter
So wie ich es sehe, wenn man sich auf einen bestimmten langfristigen Marktzyklus einstellt, gibt es diesen a priori. Die Frage ist jedoch, wie dies automatisch geschehen kann.
in bestimmten Märkten ja, fast sicher... oder in bestimmten Marktphasen... vielleicht, aber nicht immer, man braucht zumindest gute Filter
Wieder Filter. Und wer wird die Filter herstellen? Und was sind diese bestimmten Phasen? Wie kann man sie erkennen? -Algorithmisch erkennen? Das ist nicht die Sache des Zaren.
Ich glaube also: links in DM - es soll sich alles von selbst ergeben.