Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 783
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
Wie kann ich Rattle wie im Artikel https://www.mql5.com/ru/articles/1165 ausführen ?
Installiert in R(install.packages("rattle")) Konsole
In der R-Konsole gibt es nur "load workspace" und im Artikel "File/Workspace;"
Oder wird es nicht auf der R-Konsole gemacht, sondern auf einem anderen Programm?
Wie führe ich Rattle wie in https://www.mql5.com/ru/articles/1165 aus?
Installiert in R(install.packages("rattle")) Konsole
In der R-Konsole gibt es nur "load workspace" und im Artikel "File/Workspace;"
Oder wird es nicht auf der R-Konsole, sondern auf einem anderen Programm gemacht?
Und es läuft alles.
library(rattle) rattle()Ähnliche Schnitte (frontal) hatten sowohl ich als auch der Doc (soweit ich weiß), wie gesagt.
Es war besser, als ich versucht habe, mich daran zu halten und so weiter. -
https://en.wikipedia.org/wiki/Markov_decision_process
https://en.wikipedia.org/wiki/Partially_observable_Markov_decision_process
Vor langer Zeit gesponnen, nicht für lange, nur für Interesse....
es gibt auch einige teilweise beobachtbare MPPR, danke, ich werde lesen
Ich habe 3 RSI's auf die Eingabe hier und das ist es, ich denke, es kann durch andere Prädiktoren ein wenig verbessert werden wird
> Ist es möglich, in R die gesamte Historie zu sehen, wie eine ARIMA-Vorhersage eingetreten ist, um die besten Perioden dafür zu finden?
Ja, z. B. durch Speichern der Balkenhistorie von mt5 in einer csv-Datei, Importieren dieser Datei in R und anschließendes Trainieren mit einem gleitenden Fenster in einem bestimmten Intervall und Testen im nächsten Intervall sowie zyklisches Verschieben des Trainingsfensters.
Ich danke Ihnen!
von denjenigen, die in "Pakete" gegangen sind, ist niemand jemals zurückgekommen (das ist irgendwie zweideutig)
Solange man keine solide Idee hat, gibt es nichts... alles, was man all die Jahre getan hat, ist nichts.
weil Sie mit Ihren angeblich guten Funktionen herumgelaufen sind, aber es ist nur die Software, die gut ist, nicht Ihre Funktionen...
die Muster existieren in der realen Welt, nicht in der Welt der Pakete, also suchen Sie nach ihnen, und wenn Sie sie finden, können Sie sie sogar selbst codieren
oder besser noch, vergessen Sie es
Aus den obigen Worten geht nicht ganz klar hervor, was ich gemeint habe, also werde ich wahrscheinlich der Reihe nach beginnen, und wo Expertenhilfe in R benötigt wird, ist die Suche nach denjenigen, die an meinen Schlussfolgerungen interessiert sind. Auf jeden Fall wird der Moment kommen, in dem es notwendig sein wird, meine Aussagen dort zu überprüfen und zu sehen, ob wir im Großen und Ganzen ein Team sind. Jetzt geht's los. Regression.
Sie werden es nicht glauben, mein ganzes Leben lang habe ich ausschließlich mit der Klassifizierung gearbeitet und irgendwie wurde es mir langweilig. Ich musste in der Nacht alles 3 mal wiederholen, weil der Fehler in der Berechnung der Abweichung (htcgtrnelibrarius) immer mehr nach sich gezogen hat, aber es ist schon klar, dass die schlaflose Nacht nicht umsonst war. Und jetzt ist es etwas langweilig geworden, aber es wäre interessant, etwas Neues auszuprobieren.
In der alten Version haben Sie den MA im Wesentlichen aus dem kumulierten Delta gespeist, nicht aus der Abweichung. Wenn die Ergebnisse gut waren, ist der Prädiktor auch in dieser Form gut. Mit MA cum. delta und cum. delta selbst kann NS selbst ein Analogon der Abweichung finden, wenn er es für profitabel hält.
Ich glaube, Sie sind umsonst frustriert und wollen zu etwas Neuem wechseln. Beenden Sie Ihre Entwicklung, die aktuellen Ergebnisse sind sehr ermutigend.
In der alten Version haben Sie den MA im Wesentlichen aus dem kumulativen Delta gespeist und nicht aus der Abweichung. Wenn die Ergebnisse gut waren, bedeutet dies, dass der Prädiktor in dieser Form gut ist. Mit MA cum. delta und cum. delta selbst kann NS selbst ein Analogon der Abweichung finden, wenn er es für profitabel hält.
Ich glaube, Sie sind umsonst frustriert und wollen zu etwas Neuem wechseln. Beenden Sie Ihre Entwicklung, die aktuellen Ergebnisse sind sehr ermutigend.
Das ist die Sache: Die Arbeit ist erledigt und plötzlich wird es langweilig. Gestern gab es keine Fehler, und mindestens noch 3-4 Arbeitstage lang gibt es sie. Die Frage ist, was zu tun ist, während der TS auf Automatik arbeitet, wenn der Wunsch, zu untersuchen und es ist Zeit, es zu tun?
Ich habe das Java aktualisiert und alles lief... Hurra... Also, wo waren wir? ???? Ah ja.... Rückschritt... Definieren wir also die Problemstellung und die Wahl der ursprünglichen TC-Einstellungen.
Ich werde versuchen, eine Analogie zu den Klassifizierungsmethoden zu ziehen, aber lassen Sie uns zunächst die Bedingungen definieren.
Regression bedeutet, dass der Wert eines zukünftigen Parameters vorhergesagt wird. Wählen wir die Preisänderung als Parameter. Es reicht aus, eine Vorhersage für 1 Takt im Voraus zu haben, aber das ist langweilig. Stellen wir uns das Problem folgendermaßen vor:
Wir sollten die Preisänderung für 10 Balken im Voraus prognostizieren. Das heißt, das Ergebnis des Modells ist ein Wert über oder unter Null (Richtung der Veränderung) sowie das Ausmaß dieser Veränderung. Das heißt, wie viel es sein wird...
(Ich erinnere Sie daran, dass ich nur die Richtung der Arbeit festlege. Wenn Sie mit den von mir vorgeschlagenen Bedingungen nicht einverstanden sind und eine ALTERNATIVE dazu haben, sprechen Sie aktiv. Alles ist verhandelbar und korrigierbar).
Wie Sie bereits erraten haben, ist dies die Zielfunktion für unser Modell. Lassen Sie uns das Problem zunächst definieren und beheben. Auf der Grundlage des oben Gesagten gehen wir wie folgt vor.
Close[i]-Close[i+10] berechnen wir zunächst die Veränderung des aktuellen Preises gegenüber dem Preis vor 10 Bars.
Lead=Close[i-10]-Close[i] verschiebt unsere Funktion nun um 10 Takte nach hinten. Dieser Vorgang ist NUR für Zielfunktionen möglich und kann nicht im realen Handel verwendet werden. Daher werde ich das, was wir haben, in der Tabelle zeigen.
Grün ist Chenge, blau ist Blei. Der Leitindikator schaut 10 Takte voraus. Das sieht folgendermaßen aus:
Wir haben ein Vorhersagefenster zwischen den beiden Linien. Wir können die Veränderung nur für den letzten Balken dieses Fensters berechnen. Das ist die grüne Linie. Aber wir müssen diesen Wert auf dem ersten Balken dieses Fensters kennen (nur als Beispiel), also verschieben wir das Diagramm zurück als die blaue Linie, wo wir auf dem ersten Balken dieses Fensters unser Netzwerk bitten, uns den Wert zu geben, der noch kommen wird. Dann können wir das ausnutzen.
Fragen zu Änderungen an der Zielauswahl haben?????
Zur Unterstützung dieses Ansatzes möchte ich anmerken, dass vor langer Zeit viele Untersuchungen über das Ziel der Regression durchgeführt wurden und man zu dem Schluss kam, dass je einfacher die Funktion ist, desto besser. Eine Erhöhung der Komplexität des Ziels verbessert die Leistung des Modells überhaupt nicht, sondern verschlechtert sie sogar. Wir gehen von der Aussage aus: "Im Genie ist alles einfach". Wenn das Modell ordnungsgemäß funktioniert, ist dieses Ziel ausreichend. Ich warte auf Feedback und mache weiter...
Natürlich wird das Ziel (blaue Linie) die Spitze des Indikators zwischen 1 und 10 Balken verfehlen. Es ist Aufgabe der KI, ihn auf 0 bar zu bringen. Dies wird die Prognose für die Zukunft sein.