Maschinelles Lernen für Roboter - Seite 4
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
Der Google-Code ist noch verfügbar, ich weiß nicht, ob er funktioniert.
melde dich bei mir
Ivan, was du dir ausgedacht hast, ist erstaunlich. Ich selbst habe vor ein paar Monaten angefangen, darüber nachzudenken, aber nur in meinen kühnsten Träumen, da ich ein Programmierer und kein Anfänger bin.
Ein Handelssystem besteht aus drei Dingen
1) Indikator
2) alle Signale
3) richtige Signale
Was müssen Sie filtern? alle drei Punkte oder 2 und 3 oder nur 3?
Und was ist, wenn mein System mit Nicht-Standard-Indikatoren oder Levels arbeitet? Wird Ihr Algorithmus in der Lage sein, meinen Handel zu simulieren, wenn ich auf Levels handle?
Ivan, was du dir ausgedacht hast, ist erstaunlich. Ich selbst habe vor ein paar Monaten angefangen, darüber nachzudenken, aber nur in meinen kühnsten Träumen, da ich ein Programmierer und kein Anfänger bin.
Ein Handelssystem besteht aus drei Dingen
1) Indikator
2) alle Signale
3) richtige Signale
Was müssen Sie filtern? alle drei Punkte oder 2 und 3 oder nur 3?
Und was ist, wenn mein System mit Nicht-Standard-Indikatoren oder Levels arbeitet? Wird Ihr Algorithmus in der Lage sein, meinen Handel zu simulieren, wenn ich auf Levels handle?
Hier ist eine Idee, MO nach Punkt 3 zu versuchen, d.h. nach korrekten Signalen, die wiederum aus allen Signalen herausgefiltert werden können, die mit irgendeiner Methode und aus beliebigen Quellen gewonnen werden.
Die Filterung erfolgt primitiv nach der Differenz (potenzieller Gewinn in Pips) auf einer bestimmten Anzahl von Balken. Die Eingaben können der OHLC selbst oder Werte beliebiger Indikatoren sein, die anhand einer bestimmten Formel berechnet werden.
Sie können verschiedene Varianten von Modellen erstellen, aber ob sie in der Lage sein werden, den Handel zu simulieren, dafür ist das Experiment da...
aber ob sie den Handel simulieren können, dafür ist das Experiment da...
Das können sie nicht. Im besten Fall wird es die gleiche Geschichte sein - passend.
Das werden sie nicht. Es wird höchstens noch die gleiche Art der Anpassung an die Geschichte sein.
Und die Optimierung, die jeder ständig vornimmt, passt sich nicht an die Geschichte an, und in Ihrer Analyse verwenden Sie Daten aus der Zukunft oder eine spezielle Annäherung).
Hier eine Idee: Versuchen Sie es mit MO nach Punkt 3, d. h. nach korrekten Signalen, die wiederum aus allen Signalen herausgefiltert werden können, die mit irgendeiner Methode und aus beliebigen Quellen gewonnen werden.
Die Filterung erfolgt primitiv nach der Differenz (potenzieller Gewinn in Pips) auf einer bestimmten Anzahl von Balken. Die Eingaben können der OHLC selbst oder Werte beliebiger Indikatoren sein, die anhand einer bestimmten Formel berechnet werden.
Sie können verschiedene Varianten von Modellen erstellen, aber ob sie in der Lage sein werden, den Handel zu simulieren, dafür ist das Experiment da...
OK, ich verstehe, was Sie meinen, aber ich habe einige Fragen).
1) Mal sehen, wenn ich Ihren MACD als Beispiel nehme, bedeutet das, dass Sie Eingaben durch den MACD generieren und sie dann an das Netz übertragen, und das Netz generiert ein MACD-Phantom in seinem Kopf und handelt danach.
2) Wenn ich richtig verstehe, warum sollten Sie das Netz auf "fremde" Systeme mit Nachteilen trainieren, wenn Sie einfach die Eingaben des Zickzack nehmen können und es wird ein perfekter Handel sein, die Nettoausgabe wird ein perfektes System sein
3) Was ist mit Levels? Ich habe einen Indikator, der Levels bildet, aber Levels sind keine Funktion, während Ihr Netzwerk mit funktionalen Daten arbeitet - nur mit Indikatoren, habe ich recht?
3) Und was ist mit Ebenen, ich habe einen Indikator, der Ebenen baut, aber Ebenen sind keine Funktion, und Ihr Netzwerk arbeitet mit funktionalen Daten, die rein Indikatoren sind, bin ich richtig? Wieder, wenn richtig, kann ich um dies zu bekommen?
Das Niveau ist eine Funktion einer Reihe von Preisdaten.
OK, ich verstehe, was Sie meinen, aber ich habe einige Fragen).
1) Mal sehen, wenn ich Ihren MACD als Beispiel nehme, bedeutet das, dass Sie Eingaben durch den MACD generieren und sie dann an das Netz übertragen, und das Netz generiert ein MACD-Phantom in seinem Kopf und handelt danach.
2) Wenn ich richtig verstehe, warum sollten Sie das Netz auf "fremde" Systeme mit Nachteilen trainieren, wenn Sie einfach die Eingaben des Zickzack nehmen können und es wird ein idealer Handel sein, die Nettoausgabe wird ein ideales System sein
3) Wie sieht es mit Niveaus aus? Ich habe einen Indikator, der Niveaus bildet, aber Niveaus sind keine Funktion, und Ihr Netzwerk arbeitet mit funktionalen Daten - nur mit Indikatoren, habe ich recht?
1) Genau, das Netzwerk lernt, wie ein gefilterter Indikator aus falschen Eingaben zu handeln, im Beispiel des MACD.
2. Der Grund dafür ist, dass nicht alle gewinnbringenden Einstiege technisch gerechtfertigt sind. Wenn beispielsweise die Bewegung auf Nachrichten beruht, was nützt es dann, dem Netz beizubringen, sie auf der Grundlage von Kursmustern vorherzusagen.
3. wenn Ihr Indikator baut Ebenen nur auf der Grundlage von Preisdaten, dann das Netzwerk in "seinem Kopf" wahrscheinlich kann sie zu simulieren, so dass die Methodik kann die gleiche sein wie für andere Indikatoren - Form Signale von Ebenen, Filter falsche Signale und lehren, natürlich müssen wir zunächst entscheiden, auf der Input-Training-Sequenz - Größe, Offset, Neuberechnung Formel.
1. Das ist richtig, das Netzwerk lernt, wie ein gefilterter Indikator aus fehlerhaften Eingaben zu handeln, im MACD-Beispiel.
2. Nicht alle gewinnbringenden Eingänge sind technisch gerechtfertigt, z. B. wenn die Bewegung auf Nachrichten beruht, was nützt es dann, dem Netz beizubringen, sie anhand von Kursmustern vorherzusagen.
3) Wenn Ihr Indikator macht Ebenen nur auf der Grundlage von Preisdaten, das Netzwerk in "seinem Kopf" wahrscheinlich kann sie zu simulieren, so dass die Methodik kann die gleiche sein wie für andere Indikatoren - Form Signale von Ebenen, Filter aus falschen Signalen und lehren, natürlich müssen wir zunächst entscheiden, auf der Input-Training-Sequenz - Größe, Offset, Neuberechnung Formel.
Okay, ich werde einen Code schreiben, versuchen, Signale zu erzeugen und ihn Ihnen schicken. Wenn Sie versucht haben, das Netz im Zickzack zu unterrichten, teilen Sie mir die Ergebnisse mit.
... Aber haben Sie schon versucht, das Netz im Zickzack zu verlegen?
Natürlich habe ich versucht, und nicht nur ich, zum Beispiel in den Thread auf MO, gibt es diejenigen, die es getan haben, die Wiederholung des Mantras der Müll in der Eingabe und offenbar vergessen, dass der Müll in der formalen Ausgabe, wenn sie mit einem Lehrer trainiert ist nicht viel besser, mit der Auswahl und Shuffling Vektor von Merkmalen nicht von Overfitting zu retten.