Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 895
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
¿Qué gracia tiene eso? ¿Que la otra palabra está fuera de lugar, ni siquiera es un homónimo?
No lo entiendes... No tiene sentido explicarlo.
En el segundo artículo, la genética y la enumeración de un montón de parámetros se sustituyen por un único vector de valores (entradas forestales, predictores), y las salidas se seleccionan en función del número máximo de operaciones rentables. Es posible introducir otros criterios, corrigiendo la función de recompensa (incluyendo DD, Sharp Ratio, lo que quieras).
El algoritmo optimiza cualquier estrategia con una calidad muy alta en sólo unas pocas pasadas en el optimizador (normalmente 5) (en contraste con el AG y, sobre todo, con la fuerza bruta). En el ejemplo dado en el artículo son segundos. Además, el aumento del número de predictores no incrementa el número de pases de optimización de forma significativa. Recomiendo hacer pruebas para su Liga de Estrategias en otro hilo. Además, se pueden idear algoritmos de optimización aún más eficientes para la Liga, basados en el enfoque propuesto. El optimizador regular puede ser descartado como obsoleto, especialmente sin validación cruzada (wolf-forward), y pierde (al menos) en velocidad varias veces, y en calidad no es mejor. Si sustituimos bosque por NS con kfold obtenemos el análogo de lobo-adelante, y muy rápido. Pero hasta ahora las manos no han llegado a ella.
La información mutua es una medida de entropía entre la variable objetivo y los predictores, lo mismo que se ha mostrado en la imagen como una tabla de importancia de los predictores. Pero puedes usar la eliminación recursiva de características en lasas, y vigilar los errores. Si es necesario clasificar y eliminar los predictores no informativos. (descifrar en google)
upd
Después de leer el artículo tengo más preguntas que respuestas, no todo el código es claro, pero entendí que necesito reescribir completamente TC para implementar este enfoque descrito en el artículo. Evidentemente, aún no he alcanzado el nivel con el que se escribió el artículo.
Resulta que puedes construir tu propio árbol en el Deductor Studio en modo manual y semiautomático, ¡lo que realmente me fascinó! Sin embargo, el proceso es laborioso y carece de la función de arrastrar y soltar en la interfaz, pero trabajar con los datos en este modo permite ver mejor los patrones. La verdadera falta de oportunidad para cambiar la regla, es decir, si la muestra dice que es 1, entonces a cero no puede cambiar, y me habría movido parte de las reglas hacia el cero, tanto en la rareza de caer, y la credibilidad y mirar a la vez las estadísticas, y luego todos tienen que hacer a través de secuencias de comandos de procesamiento. ¿Quizá haya otros programas similares con estas características, pero en los que se pueda construir más rápidamente los nodos de un árbol a mano?
Aquí vienen los primeros errores... Bien, definamos entonces el momento en que la marca cruza de abajo hacia arriba señal de compra, de arriba hacia abajo señal de venta. Pero sólo en una barra. Es decir, dejamos sólo el momento de cruzar la marca 50. Espero que esto ocurra dentro de un bar.
En realidad, a partir de su regla, una vez que el precio alcanza el 50% de la parte inferior a la superior, simultáneamente alcanza la parte inferior de este nivel. Así que bastará con cruzar la marca del 50% de abajo a arriba para comprar. Por el contrario, en la página web .... ¿Qué le parece este plan?
Trabaja en la apertura de un nuevo bar. La entrada no es tan importante, en mi sistema, la eliminación de la basura se hace por estadística, no lo considero un error. Este cruce no dará nada del otro mundo, salvo que disminuirá la frecuencia de generación de señales, pero también disminuirá la calidad de la señal.
Para añadir. ¿Por qué necesitas una señal constante? Creo que el momento más adecuado para el análisis es cuando la señal cambia de compra a venta, si es constante. Creo que el tiempo de cambio de señal está limitado a 1 bar. Piensa en ello. Por qué debo analizar todo en la señal de compra, si lo principal es abrir la posición. Es decir, lo principal es el momento del cambio de señal. Puede estar marcado.
Es un error estar en el mercado todo el tiempo: los riesgos son demasiado altos.
Trabaja en la apertura de un nuevo bar. La entrada no es tan importante, en mi sistema, la basura se elimina por estadística, no creo que sea un error. El cruce no hará nada, salvo reducir la frecuencia de generación de señales de entrada, pero su calidad también disminuirá.
Es un error - es un error estar en el mercado todo el tiempo - riesgos excesivos.
Bueno, has dicho que tienes una señal constante. Lo siento, pero veo un malentendido, así que difícilmente puedo ayudarte... Demasiado de un malentendido....
Bueno, dijiste que tenías una señal constante. Lo siento, pero veo el malentendido, así que no creo que pueda ayudarte... Es un malentendido demasiado grande....
Le expliqué que la decisión la toma en realidad la cascada de filtros. Todo lo que quiero de MO es identificar las secciones de los mercados en las que vale la pena participar en algunos de los filtros y en las que no. Tengo que racionalizar lo que ya funciona y no esperar un milagro de una caja negra.
He explicado que la decisión la toma en realidad la cascada de filtros. Lo único que quiero de MoD es que identifique las partes de los mercados en las que vale la pena utilizar algunos de los filtros y en las que no. Tengo que racionalizar lo que ya funciona, no esperar un milagro de caja negra.
La toma de decisiones debería transferirse por completo a la NS, en lugar de a los filtros, entonces tiene sentido. En este caso, una simple pregunta de sí o no cuesta muchos recursos, y se quiere que la NS identifique qué partes del mercado utilizar y qué filtros. Creo que es demasiado complicado. Se puede hacer, pero es más fácil construir estúpidamente el modelo correcto en lugar de sus filtros allí. ¡¡¡¡IMHO !!!!
Después de leer el artículo tengo más preguntas que respuestas, no todo el código es claro, pero entendí que necesito reescribir todo el TS para implementar el enfoque descrito en el artículo. Evidentemente, aún no he alcanzado el nivel con el que se escribió el artículo.
Resulta que puedes construir tu propio árbol en el Deductor Studio en modo manual y semiautomático, ¡lo que realmente me fascinó! Sin embargo, el proceso es laborioso y carece de la función de arrastrar y soltar en la interfaz, pero trabajar con los datos en este modo permite ver mejor los patrones. La verdadera falta de oportunidad para cambiar la regla, es decir, si la muestra dice que es 1, entonces a cero no puede cambiar, y me habría movido parte de las reglas hacia el cero, tanto en la rareza de caer, y la credibilidad y mirar a la vez las estadísticas, y luego todos tienen que hacer a través de secuencias de comandos de procesamiento. ¿Quizá haya otros programas similares con estas capacidades, pero en los que se puedan construir más rápidamente nodos a mano en el árbol?
No, nunca lo he hecho.
No entiendo muy bien por qué es necesario, porque, por ejemplo, un bosque es un clasificador o aproximador universal, y no hay nada que arreglar a mano
mientras que los árboles simples son algoritmos bastante débiles y primitivos.
Si no eres capaz de resolver estos problemas por ti mismo, búscame el módulo VisSim NeuralNet y te enseñaré cómo hacerlo.
Artem, humildes saludos y respeto. Detrás de mí: un modelo de trabajo de mi ST con ejemplos. Lo enviaré este fin de semana. Sólo míralo, si no te gusta, tíralo.
¿Cómo vamos a hacerlo si no nos dices nada? Háblenos de las últimas novedades. En detalle, con ejemplos.
¿Para qué? Te diré una cosa. Doc me ayudó a transferir los modelos de R a MT y déjame decirte que esos modelos funcionan exactamente igual que los de Reshetov en OOS. Exactamente lo mismo. Así que puedes confiar en los modelos R. Se trata de la alimentación de datos... Todo igual....