Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 16
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
En el caso de la BP financiera, debemos distinguir un patrón, es decir, el comportamiento uniforme de la BP a lo largo de todo el periodo de tiempo disponible.
Chicos, os adjunto mi EA. Muestra la lógica de envío y recepción de información del sistema R.
Para que funcione es necesario copiar la biblioteca desde aquí: https://www.mql5.com/en/code/11112
Hay instrucciones en el archivo mt4R.mqh.
Una afirmación tonta. El EURUSD de hace un año y el EURUSD de ahora son dos GP diferentes con el mismo nombre.
Profanidad. Si tus EAs no aguantan en el EURUSD están perdiendo un año de muestra, significa que no has encontrado un patrón. Usted está comerciando con el ruido.
Tus referencias estudiantiles a la comparación de manzanas con naranjas son, por supuesto, válidas para cualquier otra tarea, pero es evidente que no sabes distinguir estas frutas en el Mercado.Quieres encontrar correlaciones en un solo BP. Y quieres encontrar interrelaciones que deben estar presentes en todo momento en esa BP.
Estas dos circunstancias (en negrita) parecen, cuando menos, extrañas...
Exactamente como se destaca en negrita. Para ti parece extraño, mientras que varias personas en este hilo, están tratando de resolver estos mismos problemas. Además, no somos los únicos en el mundo en este hilo, ya que antes de nosotros se han inventado y puesto en práctica muchas herramientas de conocimiento intensivo que permiten resolver estos mismos problemas.
Así que.
1.estar presente en todo momento
Este es el problema del reentrenamiento (overfitting) del modelo. Si nuestro modelo fue capaz de identificar algunos patrones en los datos históricos disponibles que están garantizados para ocurrir en el futuro, entonces obtenemos supresencia en cualquier momento. Esto puede lograrse construyendo el modelo sobre predictores que sean relevantes para la variable objetivo. Aquí hay una herramienta llamada "componentes principales" (una herramienta bastante antigua) que permite cribar la basura (el ruido) de los predictores que en el futuro tendrán los mismos patrones que encontramos en los datos históricos disponibles.
2. Quieres encontrar correlaciones en un soloBP
Hay un conjunto bastante amplio de herramientas diferentes con distintas ideas detrás para encontrar correlaciones. Aquí estamos hablando de NS, más concretamente de nnet. Según mi experiencia, este es el algoritmo menos eficaz. Mucho más eficaces, y sobre todo más evidentes, ada, randonforest, SVM, en orden descendente de rendimiento.
Tomemos como ejemplo el randonforest como el más obvio.
¿Cuál es la idea?
Por ejemplo, teniendo valores de predictores, enseñamos al algoritmo a predecir COMPRA y VENTA. El algoritmo construye un árbol - combinación de valores predictores, pertenecientes a una barra. Un árbol predice COMPRA, el otro - VENTA. Si introducimos unas 5000 barras, el algoritmo encontrará entre 200 y 300 variedades de árboles. Aumentar el número de barras no aumenta el número de árboles. Si resolvemos el problema en el paso 1, el modelo resultante predecirá en el futuro con aproximadamente el mismo error que en los datos históricos.
A los teóricos con experiencia sólo se les puede desear suerte en la práctica.
Gracias, querida.
También hemos tenido unos cuantos años de práctica. Por eso recurrimos a la teoría. Es que aún no has captado el grano de la verdad. Buena suerte para ti también.
Las primeras lecciones parecen más un tutorial sobre este mismo marco que sobre el análisis de datos. Pero los presentadores parecen adecuados, sin el típico "soy un gurú del Forex, te abriré los ojos y ganarás millones" como en muchas otras formaciones inútiles, lo que da esperanzas de que cuenten cosas adecuadas hasta el final.
Es udacity, definitivamente no hay ninguna mierda allí.
Pandas parece ser una de las librerías más populares para la minería de datos, python en sí es un lenguaje muy práctico para una amplia gama de tareas.
El trading rentable no se va a enseñar. Te van a enseñar a tomar datos, construir un modelo sobre ellos y evaluar el resultado del modelo.
Es udacity, definitivamente no hay ninguna mierda allí.
Pandas es una de las librerías más populares para la minería de datos, y el propio python es un lenguaje muy práctico para una amplia gama de tareas.
Nadie va a enseñar a operar de forma rentable. Van a enseñar a tomar datos, construir un modelo sobre ellos y evaluar el resultado del modelo.
Los teóricos con experiencia sólo les desean suerte en la práctica.
Mi experiencia en la especulación bursátil comenzó con los cheques de Borovoy. Antes de eso, pasé otros 20 años invirtiendo en el sector inmobiliario.
¿Naciste con los cheques?
Anton Zverev
No tengamos ese tipo de conversación, la gente que aprende y comparte sus experiencias aquí está dispuesta a ayudarse mutuamente, mientras que tú adoptas la postura de que eres estúpido y yo lo sé todo) Será mejor que me ayudes a entender lo que piensas y lo que sabes que es correcto.
Estoy de acuerdo contigo en que solo dar BP no es suficiente, hay que comprimir la información y descartar cosas innecesarias que impidan una buena decisión, idealmente a 0 o 1 los comprar/vender, es decirSi tenemos 10 indicadores (que no creo) y filtramos 9 de ellos, dejando sólo el RSI, no será suficiente ya que el indicador tiene un rango y resulta que no funciona con valores de -70 a 70, por lo que hay que comprimirlos y así sucesivamente.. la pregunta es ¿cómo hacerlo?
Tengo pensamientos sobre esto, pero no tengo suficiente conocimiento para implementar tal selector, todavía...
Mi primer intento fue hace mucho tiempo, me bucle hacia atrás desde el precio actual y buscó una situación casi idéntica en el pasado, a continuación, estas situaciones fueron ordenados por el resultado, cómo resultaron, por ejemplo, tengo una situación actual, para ello se encontró 10 análogos en el pasado 8 análogos resultó subida de precios, 2 terminó en una caída, por lo que crecerá ... Pero el horror )) es que resultó ser todo lo contrario, el precio cayó muy a menudo y con fuerza en estas situaciones con un fuerte sesgo hacia la compra, y luego a menudo se volvió a probar tick a tick...
Entonces creé este tipo de indicador, tomé la suma acumulada de todos los precios de compra y también la suma por ganancia, creé su diferencia y obtuve algún índice, cuando lo comparé con el precio resultó moverse casi en la dirección opuesta, la correlación fue de -0.7 a -0.9 , así que simplemente hablando el mercado va en contra de sus propias estadísticas, esto es algo para pensar y reconsiderar