Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 936
![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Ya veo. El árbol no pudo aprender a filtrar bien, por lo que el resultado no fue notablemente mejor con el filtrado, sólo menos tratos. Esencialmente filtró algunas de las buenas operaciones y algunas de las malas operaciones al azar,
Entrené el árbol en 2015 sólo para malovhodov.
Filter_02 y mnogovhodov_02 fueron entrenados para 2016, es mejor comparar 2016 y 2017 en el probador (2017 es generalmente nuevos datos que no estaban en el archivo, que es el más interesante para ver).
Aha, y yo que pensaba que el 2015 era una curva de aprendizaje, entonces las cosas son así - azul sin filtro y verde con filtro
Tengo que decir que el 2015 es más bien una tendencia alcista, el 2016 una tendencia bajista y el 2017 es casi lateral en las agendas. Es decir, las entidades de los tres son ligeramente diferentes, y creo que las tendencias globales juegan su papel.
Además, mi entrada de compra se genera de 5 a 9 por el predictor arr_DonProc - por lo que parte del árbol se corta automáticamente.
Pero en general el resultado no es malo, ¿no crees?
Una mayor ramificación, para mí, condujo a un exceso de ajuste. Para mejorar la precisión, deberíamos pasar a modelos más complejos: forestales o neuronales.
Es posible bifurcarse con una precisión del 100% en los datos de entrenamiento, pero de qué sirve si ese árbol sólo fallará en los datos nuevos. Necesitamos enseñar un modelo que sea capaz de mostrar casi el mismo resultado en los nuevos datos que en los datos de entrenamiento.
Hasta el 100% es posible y con diferentes conjuntos de predictores, pero obviamente no hemos utilizado todo el potencial aquí.
Por cierto, creo que deberíamos proporcionar más información sobre el pasado - ahora podemos obtenerla de Regressor e iDelta, y un par de predictores más, pero no hay una cosa tan trivial como el número de velas alcistas y bajistas en una fila - su relación entre sí - puede ser útil, también.
¿Qué tiene que ver esto con una cuestión de fe? Veo garabatos en el gráfico - y no entiendo cómo interpretarlos - eso es todo.
El bosque aleatorio se calcula en cada tic. Si los resultados se reúnen por barras, como un flujo de precios normal, entonces se obtiene un gráfico de este tipo. La interpretación es necesaria cuando hay una fórmula, y aquí sólo está el resultado del bosque para mayor claridad.
Entonces sólo puedo responder a la captura de pantalla "¡Interesante imagen! Porque todavía no está claro lo que querían mostrar, a todo el mundo, si el punto está claro sólo para ti...
El porcentaje de error del bosque se calcula a lo largo de un periodo de tiempo determinado. Y en el gráfico se puede ver la discrepancia entre la realidad y los datos del bosque en un minuto concreto (ahí tengo un M5).
Por supuesto, un gráfico de otro bosque será completamente diferente al mío.
El porcentaje de error del bosque se calcula a lo largo de un periodo de tiempo determinado. Y en el gráfico se puede ver la discrepancia entre la realidad y los datos del bosque en un minuto concreto (ahí tengo un M5).
Por supuesto, un gráfico de otro bosque será completamente diferente al mío.
Ahora está más claro, pero no está claro qué se predice en cada tic - ¿el siguiente tic?
Cómo en realidad va a calcular en cada tic - sólo OpenCL con una tarjeta de vídeo de primera clase probablemente ayudará aquí.
Sólo he dado un ejemplo de mi bosque. Y no pedí tratar los resultados de mi modelo.
Si quiere que le recomienden qué es exactamente lo que falla en su modelo, entonces, en lugar de tablas extrañas, muestre los resultados en un gráfico de precios reales.
Y el resultado global no es malo, ¿no crees?
2017 está en el lado positivo, lo que es un poco agradable.
Voy a intentarlo una vez más. Tomé el archivo mnogovhodov_02 e hice una nueva orientación:
"1" clase donde arr_Buy = 1
"-1" donde arr_Sell = -1
"0" para los demás casos
Para su estrategia, esta orientación parece más adecuada.
Sólo he puesto un ejemplo de mi bosque. Y no pedí tratar los resultados de mi modelo.
Si desea una recomendación, lo que exactamente está mal con su modelo, entonces en lugar de tablas extrañas mostrar ya el resultado en un gráfico de precios reales.
Hasta ahora, no existe un modelo, como tal, en busca de uno. La tabla muestra un cambio en los resultados, no se necesita más todavía - se está moviendo, así que está vivo.
2017 en el lado positivo, eso es un poco satisfactorio.
Lo intentaré de nuevo. Tomé el archivo mnogovhodov_02, hice un nuevo objetivo:
"1" clase donde arr_Buy = 1
"-1" donde arr_Sell = -1
"0" para los demás casos
Para su estrategia, esta orientación parece más apropiada.
¿Significa eso que puedes construir más de 3 salidas del árbol de objetivos?