Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 46
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
Estoy de acuerdo, es interesante... Pero no tengo casi nada claro, empezando por la ideología y terminando por el propio código, es muy complicado y muchos operadores ni siquiera los conozco
Si alguien pudiera explicarlo todo, al menos con ejemplos elementales, cómo aplicarlo en el trading, sería un buen incentivo para la experimentación para gente tan inexperta como yo
Debería buscar ejemplos usted mismo en Internet.
Muy interesante la red neuronalhttp://gekkoquant.com/2016/05/08/evolving-neural-networks-through-augmenting-topologies-part-3-of-4/ ¿Crees que es posible hacer que opere por sí misma y que aprenda de sus errores? Y si es así, cómo, me gustaría discutirlo.
La peculiaridad de esta red neuronal es su topología adaptativa. No se trata sólo de un conjunto de entradas, neuronas ocultas y salidas; es un modelo en el que las neuronas se conectan y desconectan entre sí durante la evolución, sus pesos se modifican, por lo que la red se va adaptando poco a poco dando cada vez mejores resultados. El resultado final debe ser una red con conexiones neuronales únicas y pesos que se adapten bien a la tarea concreta.
En el caso de Forex, no se producirá ningún milagro, la red simplemente aprenderá mediante ejemplos preparados de forma preliminar, como una red habitual. Lo más probable es que incluso produzca una precisión del 100% en ellos. Pero en el fronttest probablemente se agotará todo el saldo, ¿por qué no? :)
Una vez intenté entrenar la neurona en el propio Asesor Experto reentrenándola en cada nueva barra. La red aumentó su saldo, pero después de algunos intervalos de tiempo perdió repentinamente más de lo que ganó. Luego empezó a aumentar el saldo de nuevo, y al cabo de un tiempo volvió a perder mucho. Como si a veces ocurrieran eventos que cambian abruptamente todos los procesos internos del comportamiento del par de divisas y el modelo se vuelve totalmente inutilizable por algún tiempo hasta que aprende de nuevo. He descartado este enfoque, es demasiado difícil, hay que ajustar la velocidad de aprendizaje de los nuevos datos, introducir una lógica del tipo "si el beneficio ha caído X puntos en Y días, entonces deja de operar durante Z días", revisar y optimizar todo. Es más fácil entrenar una nueva red desde cero una vez al mes.
La peculiaridad de esta red neuronal es la topología adaptativa. No se trata sólo de un conjunto de entradas, neuronas ocultas y salidas; se trata de un modelo en el que en el proceso de evolución las neuronas se enlazan y desconectan entre sí, cambian sus pesos, de modo que poco a poco la adaptación de la red da resultados cada vez mejores. El resultado final debe ser una red con conexiones neuronales únicas y pesos que se adapten bien a la tarea concreta.
En el caso de Forex, no se producirá ningún milagro, la red simplemente aprenderá mediante ejemplos preparados de forma preliminar, como una red habitual. Lo más probable es que incluso produzca una precisión del 100% en ellos. Pero en el fronttest probablemente se agotará todo el saldo, ¿por qué no? :)
Una vez intenté entrenar la neurona en el propio Asesor Experto reentrenándola en cada nueva barra. La red aumentó su saldo, pero después de algunos intervalos de tiempo perdió repentinamente más de lo que ganó. Luego empezó a aumentar el saldo de nuevo, y al cabo de un tiempo volvió a perder mucho. Como si a veces ocurrieran eventos que cambian abruptamente todos los procesos internos del comportamiento del par de divisas y el modelo se vuelve totalmente inutilizable durante algún tiempo hasta que aprende de nuevo. He descartado este enfoque, es demasiado difícil, hay que ajustar la velocidad de aprendizaje de los nuevos datos, introducir una lógica del tipo "si el beneficio ha caído X puntos en Y días, entonces deja de operar durante Z días", revisar y optimizar todo. Es más fácil entrenar una nueva red desde cero una vez al mes.
Esto es interesante.
La idea es que, si se configura correctamente el experimento (¡Parada de Aprendizaje Temprana!), dicha adaptación podría ser beneficiosa.
Parece que están preparando un paquete para R allí. Es necesario tenerlo en cuenta.
1) No habrá ningún milagro para forex, esta red simplemente aprenderá a partir de ejemplos preparados de antemano, como una red normal. Lo más probable es que incluso les dé una precisión del 100%. Pero en fronttest probablemente perderá todo el equilibrio, ¿por qué no? :)
2) Una vez traté de entrenar la neurona dentro del Asesor Experto mediante un entrenamiento adicional en cada nueva barra. Esto no fue bueno: la red ha aumentado su saldo, pero después de algunos intervalos perdió de repente más de lo que había ganado. Luego empezó a aumentar el saldo de nuevo, y al cabo de un tiempo volvió a perder mucho.
1) Sí, puede que tengas razón, pero esta red es capaz de enseñarse a sí misma a tomar decisiones, no es la clasificación habitual sin maestro, lo que significa que puedes implementar el concepto del que he hablado durante mucho tiempo - puedes enseñarle no el objetivo estándar como comprar-sel-comprar o 00011101011, sino de una manera más abstracta, por ejemplo, sólo establecer condiciones como: "¡Net! No me importa cómo operas, pero quiero que tu beneficio sea al menos el 1% de 0,5% de reducción por día, y buscará las reglas y combinaciones para este propósito. Si me equivoco y digo tonterías aquí, por favor, corríjanme por mi propio bien).
2) También anteayer probé una cosa parecida, sólo que ligeramente diferente... En una ventana deslizante de 5 minutos de 150 velas y en cada nueva vela entrenaba a Forest y operaba, luego en una nueva vela volvía a entrenar el modelo, etc. Los resultados fueron sorprendentemente buenos, en algún momento alrededor de 5 veces que corrió en los mismos datos tales oficios, el modelo fue siempre en el lado positivo de 8% a 20% por mes, ya estaba emocionado y pensé que iba a correr una vez más) y luego de ciruela, una vez más ciruela)) En definitiva resulta que por casualidad el modelo ganaba...
Por cierto, probé una cosa más - después de cada reentrenamiento a través de "importense" en RF encontré las características más importantes, así que "sobre la marcha" y entrenó el modelo sólo en los importantes y después de que el modelo funcionó dos veces peor))) Lo que me sorprendió mucho))
Un tema muy interesante.
Pero si trabajamos con NS, el número de entradas debería, en mi opinión, reducirse al máximo.
Cada entrada extra "pesa" la red, reduce su capacidad de aprendizaje y conduce a la simple memorización de datos o, como se ha comentado aquí, a la mezcla de entradas/reentrenamiento.
Un tema muy interesante.
Pero si trabajamos con NS, el número de entradas debería, en mi opinión, reducirse al máximo.
Cada entrada extra "pesa" la red, reduce su capacidad de aprendizaje y conduce a la simple memorización de datos o, como se discute aquí, a la mezcla de entradas/reentrenamiento.
Esto no es una pregunta. Puede seleccionar el número de entradas que desee antes del entrenamiento.
Es cierto.
Pero, por desgracia, existe la opinión de que cuanto más se presente, mejor.
Y la Asamblea Nacional, dicen, se llevará lo que hace falta por sí misma.
Enfoque equivocado.
Es cierto.
Pero, por desgracia, existe la opinión de que cuanto más se presente, mejor.
Y la Asamblea Nacional, dicen, se llevará lo necesario por sí misma.
Enfoque equivocado.
Añadiré intriga... no tienes que lanzar un cambio en el tipo de cambio de un artículo comercializado.
Es como arrastrarse por el pelo fuera de un pantano.
Busque también otras fuentes de datos.
¡Que el Beneficio te acompañe!
:)