Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 106
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
VENDER COMPRAR Interpretación
-1 0 vender
0 0 valla
0 1 comprar
-1 1 valla
Aquí está la tabla de cambios. De ello se desprende que las señales surgen cuando las señales de la red están ahí y no se contradicen entre sí.
Gracias. Así que, como en mi clasificador ternario - la inconsistencia de dos clasificadores binarios - se sientan en la valla.
Resulta que llegamos a la misma solución en paralelo: se puede montar un ternario a partir de dos clasificadores binarios. Esto es más fácil de implementar que un ternario de tres salidas, porque con un ternario de tres salidas no está claro cómo interpretar las diferencias, porque todas las salidas deben ser mutuamente excluyentes, y de hecho esto no siempre sucede.
Y nuestras conclusiones también son las mismas: un ternario de dos binarios tiene una mayor generalizabilidad que los binarios individuales.
Gracias. Así que, al igual que mi clasificador ternario, la incoherencia de los dos clasificadores binarios está sentada en la valla.
Resulta que hemos llegado a la misma solución en paralelo: se puede montar un ternario a partir de dos clasificadores binarios. Esto es más fácil de implementar que un ternario de tres salidas, porque con un ternario de tres salidas no está claro cómo interpretar los desacuerdos, ya que todas las salidas deben ser mutuamente excluyentes, lo que de hecho no es siempre el caso.
Y nuestras conclusiones también son las mismas: un ternario de dos binarios tiene una mayor capacidad de generalización que los binarios individuales.
En realidad, añadir dos clases binarias a un ternario no equivale a un ternario.
Al añadir una tercera clase se obtiene como una contradicción de dos clases. ¿Y si el ternario original? Por ejemplo, en términos de zigzag, ¿qué aspecto tiene? ¿El fuera de mercado es un lateral en el zigzag? Es decir, una variable objetivo completamente diferente a la suya.
Con estas explicaciones parece plausible. ¿Y qué tan raros son los patrones que usted negocia? Por ejemplo, si hay ejemplos de formación con las clases"abrir posición de compra" y "cerrar todas las operaciones", ¿cuál sería la relación porcentual de estas clases? Supongamos que la clase de compra corresponde a un movimiento brusco del precio hacia arriba en cientos de puntos, es decir, la cantidad de clase de compra es aproximadamente el 10% de todos los ejemplos de entrenamiento...
No aplico las señales de "cerca". Neuronics sólo sabe cómo entrar en el mercado, mientras que el sistema de negociación decide cómo salir. Esto es mejor que aplicar esta misma TS a las señales aleatorias en general.
En el cuarto foro escribí anteriormente que estoy profundamente convencido de que para neuronkey y sistemas similares de aprendizaje automático sólo los TS con acción limitada en el tiempo de las señales de comercio son lo suficientemente buenos. Inicialmente, hay contradicciones insalvables para las neuronas (comprar o vender con la expectativa de un futuro infinito por igual y sin ventaja sobre el otro), por lo que para las neuronas no permito decidir cuándo cerrar las operaciones.
No aplico señales de "cierre". Las neuronas sólo saben cómo entrar en el mercado, mientras que el sistema de negociación decide cómo salir. Esto es mejor que aplicar esta misma TS a las señales aleatorias en general.
En el cuarto foro escribí anteriormente que estoy profundamente convencido de que para neuronkey y sistemas similares de aprendizaje automático sólo los TS con acción limitada en el tiempo de las señales de comercio son lo suficientemente buenos. Inicialmente, hay contradicciones insalvables para las neuronas (comprar o vender con la expectativa de un futuro infinito por igual y sin ventaja sobre el otro), por lo que para las neuronas no permito decidir cuándo cerrar las operaciones.
Tu post me ha hecho feliz.
He estado predicando aquí que considerar los algoritmos de aprendizaje automático fuera de un sistema de trading es un ejercicio vacío. Usted es el primero en hacer lo mismo.
Hay que bailar desde el sistema de comercio y utilizar modelos de aprendizaje automático para tratar de mejorar los parámetros del sistema de comercio REAL. He insertado rf y reducido la reducción. De hecho, la TS real tiene muchas más características que la compra/venta.
1) Existe una red que puede ser entrenada si recibe datos que no conocía previamente. Te puede interesar leer sobre ella. La red se llama SOINNhttps://www.google.com.ua/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=soinn
2) Estoy cansado de escribir sobre ello, además prácticamente he demostrado que el mercado va en contra de sus propias estadísticas e incluso he explicado la mecánica, por qué ocurre y todos los estudios de forma clásica no se le pueden aplicar, pero a nadie le interesa, todos hacen lo mismo.
1. Gracias, lo leeré. ver p2.
2. el problema del cambio de patrones a lo largo del tiempo no es solucionable, en mi opinión, ni siquiera con el Pre-Aprendizaje, ya que no sólo hay que añadir nuevos patrones a la base de conocimientos, sino que hay que encontrar los que han cambiado y si han cambiado del todo... Es una tarea muy difícil y aparentemente insuperable. Es un apartado de la IA, del pensamiento, de la inteligencia, es como aprender la tabla de multiplicar y poder aplicar las matemáticas a todas las tareas, incluso a las nuevas no convencionales y desconocidas. Es una sección del pensamiento capaz de hacer descubrimientos, es decir, capaz de generar de forma independiente información y conocimientos útiles. Pero, las aplicaciones inteligentes de la neurónica no están prohibidas y son posibles, por supuesto: creo que es simplemente de la sección de estadística y cálculo de probabilidades, estadística para recordar, y probabilidad para respaldar. Una combinación acertada de estadística y cálculo de probabilidades daría mo más de propagación, tal vez incluso sea, al menos todas las esperanzas están puestas en eso solo.
Tu post me ha hecho feliz.
He estado predicando aquí que considerar los algoritmos de aprendizaje automático fuera del marco de un sistema de trading es un ejercicio vacío. Es usted el primero en plantear una cuestión similar.
Hay que bailar desde el sistema de comercio y utilizar modelos de aprendizaje automático para tratar de mejorar los parámetros del sistema de comercio REAL. He insertado rf y reducido la reducción. De hecho, la TS real tiene muchas más características que la compra/venta.
Me alegro de que te guste, bastante.
Sorprende que el aprendizaje automático pueda ser considerado por alguien de forma aislada de cualquier TS particular...
En el caso del Forex también es posible, pero requiere el mismo esfuerzo.
Sí, pero no en la configuración de las neuronas.
Gracias. Así que, al igual que mi clasificador ternario, la incoherencia de los dos clasificadores binarios está sentada en la valla.
Resulta que hemos llegado a la misma solución en paralelo: se puede montar un ternario a partir de dos clasificadores binarios. Esto es más fácil de implementar que un ternario de tres salidas, porque con un ternario de tres salidas no está claro cómo interpretar las diferencias, porque todas las salidas deben ser mutuamente excluyentes, y de hecho esto no siempre sucede.
De nada).
Pues sí. Un simple ternario no tiene el maravilloso efecto de reducir el número de operaciones al tiempo que reduce el reconocimiento del mercado (aparte de la dificultad de interpretar las señales). Pero es a través de la ternarnik que he llegado a este punto (reconocido verbalmente la palabra aquí).
2. el problema del cambio de patrones a lo largo del tiempo no es solucionable, en mi opinión, ni siquiera con el preaprendizaje, porque no sólo hay que añadir nuevos patrones a la base de conocimientos, sino que hay que encontrar los que han cambiado y si lo han hecho...
La cuestión del preaprendizaje está bien ilustrada en
Ejemplo.
Ajuste de un modelo en una muestra de 5000 barras. El propio modelo ofrece un gráfico que muestra cómo cambia el error a medida que crece el número de árboles, y el árbol es el patrón. En mis predictores es posible utilizar 100 árboles. Llevo 300 para que el error sea completamente recto. Empiezo a ajustar (no a aplicar) una muestra de 20.000 barras. Lo sorprendente es que el gráfico de errores no ha cambiado. El número de árboles sigue siendo el mismo. Es decir, las variantes del patrón ya se agotaron en las primeras 5000 barras.
Pero lo más desagradable es que esto no resuelve el problema. Y el problema es de reentrenamiento del modelo, es decir, se sacan algunos particulares y se construyen árboles sobre ellos.
¿Cuál es el problema?
El problema son los predictores, no el modelo.
Sé cómo medir el poder predictivo de los predictores. Así que no sólo tengo que descartar los predictores que no tienen capacidad de predicción (predictores de ruido), sino que la capacidad de predicción tiene que ser estacionaria. No fui capaz de encontrar tales predictores. Y el problema continúa.
De nada).
Pues sí. Un simple ternario no tiene ese maravilloso efecto de reducir el número de operaciones y a la vez reducir el reconocimiento del mercado (aparte de la dificultad de interpretar las señales). Pero es a través del ternario que he llegado a este punto (reconocido verbalmente la palabra aquí).
Ternario significa que puede adoptar tres estados mutuamente excluyentes. Otro nombre que recibe es el de ternario.
Una rejilla con tres salidas, cada una binaria, puede producir 8 estados mutuamente excluyentes de los cuales sólo tres se interpretan inequívocamente como ternarios. ¿Y los 5 estados restantes no tienen claro cómo interpretarlos?