Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2131

Nuevo comentario
 

Estoy pensando en la "búsqueda completa" de regularidades, sin un objetivo como "lo que sucederá en la próxima vela" y similares...

La búsqueda consiste en buscar sólo regularidades, el objetivo es encontrar una regularidad, y no "lo que habrá en la próxima vela", además las regularidades se pueden estirar en el tiempo, por ejemplo si hoy fue el "evento 1" y luego el "evento 2", y luego el "evento 3"... por ejemplo si hoy tenemos el "evento 1" y luego el " evento 3", entonces mañana a las 14:05 será una vela ascendente o algo así))

Tengo una idea más clara de cómo debería ser y qué algoritmo aplicar, pero probablemente necesitaría cierta potencia de cálculo, que no tengo (


Por cierto una pregunta, ¿cuántas repeticiones de un evento para considerarlo un patrón?

 
elibrarius:

En teoría, debería ser lo mismo.
El número de opciones diferentes en días, horas y minutos es igual al número de opciones en senos y cosenos. Ambos tienen 10080 valores diferentes en 7 días, que cambian una vez por minuto.
Si hay alguna aleatoriedad en el entrenamiento, ésta puede ser la razón de la diferencia.

¿Con qué has estado entrenando, con un catbust?

Los experimentos son siempre más importantes.

Observe el primer predictor T1 (Den_Nedeli_S), o más exactamente su cuadrícula

T2


Y días de la semana sin transformación horaria.

Como ves, las cuadrículas son diferentes y hay diferentes deltas entre los dígitos, aunque los ajustes de partición son los mismos:

catboost-0.24.1.exe fit  --learn-set train.csv   --test-set test.csv     --column-description %%a        --has-header    --delimiter ;   --model-format CatboostBinary,CPP       --train-dir ..\Rezultat\RS_208\result_4_%%a     --depth 6       --iterations 1000       --nan-mode Forbidden    --learning-rate 0.03    --rsm 1         --fold-permutation-block 1      --boosting-type Plain   --l2-leaf-reg 6         --loss-function Logloss         --use-best-model        --eval-metric Logloss   --custom-metric Logloss         --od-type Iter  --od-wait 100   --random-seed 0         --random-strength 1     --auto-class-weights SqrtBalanced       --sampling-frequency PerTreeLevel       --border-count 208      --feature-border-type MinEntropy        --output-borders-file quant_4_00208.csv         --bootstrap-type Bayesian       --bagging-temperature 1         --leaf-estimation-method Newton         --leaf-estimation-iterations 10        

Lo que significa que puede hacer coincidir la división con mayor precisión, lo que puede dar lugar a un ajuste o un mejor resultado...

 
mytarmailS:

Estoy pensando en la "búsqueda completa" de regularidades, sin un objetivo como "lo que sucederá en la próxima vela" y similares...

La búsqueda consiste en buscar sólo regularidades, el objetivo es encontrar una regularidad, y no "qué habrá en la próxima vela", además las regularidades se pueden estirar en el tiempo, por ejemplo si hoy fue el "evento 1" y luego el "evento 2", y luego el "evento 3"... por ejemplo si hoy tenemos el "evento 1" y luego el " evento 3", entonces mañana a las 14:05 será una vela ascendente o algo así))

Tengo una mejor idea de cómo debería ser, y qué algoritmo aplicar, pero probablemente se necesitaría mucha potencia de cálculo, que no tengo (

Oh, yo también haré algo parecido :))))


mytarmailS:

Por cierto, una pregunta así, ¿cuántas repeticiones de un evento para considerarlo un patrón?

Utilizo el criterio: no menos del 1% de toda la muestra y lo que importa es la "frecuencia" de recurrencia de un evento con el mismo resultado. No sé cómo medir la "frecuencia".

 
Aleksey Vyazmikin:

Los experimentos son siempre más importantes.

Observe el primer predictor T1 (Den_Nedeli_S), o más bien su cuadrícula

T2


Y días de la semana sin conversión horaria

Como ves, las cuadrículas son diferentes y hay diferentes deltas entre los dígitos, aunque los ajustes de partición son los mismos:

Lo que significa que puede hacer coincidir la división con mayor precisión, lo que puede dar lugar a un ajuste o un mejor resultado...

DE ACUERDO. Seno+ coseno es mejor no sólo para NS, sino también para los árboles.

 
elibrarius:

Bien. Seno+coseno es mejor no sólo para NS, sino también para los árboles.

Yo no sacaría esa conclusión: hasta ahora podemos decir que el resultado no es idéntico.

 

la rueda del tiempo


.

 
mytarmailS:

Estoy pensando en hacer una "búsqueda completa" .....

Sólo pongo la hora y el día de la semana y el color de la vela...

datos como una sola semana, cuarenta semanas en total, y buscó patrones dentro de ellas


Friday_18:20_dw significa viernes - 18:20 - vela descendente


confianza - el porcentaje de la regla 1 que funciona es del 100%

recuento: cuántas reglas de este tipo se han encontrado

 lhs                          rhs           support confidence coverage lift     count
[1]  {Пт_18:20_dw}             => {Чт_1:0_up}   0.500   1          0.500    1.290323 20   
[2]  {Пт_16:15_up}             => {Пт_5:0_dw}   0.500   1          0.500    1.290323 20   
[3]  {Пн_21:0_dw}              => {Пт_5:0_dw}   0.500   1          0.500    1.290323 20   
[4]  {Ср_12:50_dw}             => {Чт_22:55_up} 0.525   1          0.525    1.538462 21   
[5]  {Пт_18:40_dw,Ср_22:15_dw} => {Пн_14:50_up} 0.500   1          0.500    1.290323 20   
[6]  {Пн_0:0_dw,Пн_9:20_dw}    => {Пн_23:55_dw} 0.500   1          0.500    1.428571 20   
[7]  {Вт_20:40_up,Пн_0:0_dw}   => {Вт_21:5_up}  0.500   1          0.500    1.481481 20   
[8]  {Вт_9:40_dw,Пн_14:50_up}  => {Чт_1:0_up}   0.500   1          0.500    1.290323 20   
[9]  {Пн_0:0_dw,Чт_1:10_dw}    => {Чт_2:55_dw}  0.500   1          0.500    1.379310 20   
[10] {Пт_9:25_up,Ср_2:5_dw}    => {Пн_14:50_up} 0.500   1          0.500    1.290323 20   
[11] {Пн_14:50_up,Пт_9:25_up}  => {Ср_2:5_dw}   0.500   1          0.500    1.538462 20   
[12] {Вт_13:0_dw,Ср_2:5_dw}    => {Пн_14:50_up} 0.500   1          0.500    1.290323 20   
[13] {Чт_23:55_dw,Чт_4:20_dw}  => {Пн_0:0_dw}   0.500   1          0.500    1.250000 20   
[14] {Вт_18:55_dw,Пт_1:0_up}   => {Пн_14:50_up} 0.500   1          0.500    1.290323 20   
[15] {Вт_18:55_dw,Чт_1:0_up}   => {Пн_14:50_up} 0.525   1          0.525    1.290323 21   
[16] {Вт_2:45_up,Пн_9:50_dw}   => {Пн_0:0_dw}   0.500   1          0.500    1.250000 20   
[17] {Вт_2:45_up,Ср_20:40_up}  => {Пн_0:0_dw}   0.500   1          0.500    1.250000 20  


esta norma

[1]  {Пт_18:20_dw}             => {Чт_1:0_up}   0.500   1          0.500    1.290323 20  

Significa que si el jueves a la 1 de la madrugada hubo una vela ascendente, el viernes a las 18:20 estará descendiendo. Se encontraron 20 reglas, por lo que la regla ha funcionado 20 veces de las 20 encontradas

IDD...

 
Aleksey Vyazmikin:


Utilizo el criterio de al menos el 1% de toda la muestra y la "frecuencia" de un evento con el mismo resultado es importante. No sé cómo medir la "frecuencia".

Los mismos eventos son eventos con el mismo resultado.

100% de la muestra / % de repetición. El 1% es frecuencia, pero sin regularidad. Ahí es donde la cosa se complica. Lo dividimos en períodos y vemos la regularidad de los acontecimientos. Puede utilizar simplemente el mínimo y el máximo en un período y dividir el mínimo por el máximo para obtener la regularidad relativa y puede utilizar la raíz cuadrada media).

 
Oleg avtomat:

la rueda del tiempo

puedes añadir más minutos armónicos, y sumar las sinusoides, obtendrás una curva para describir los tres signos

Pero qué pasa con las vacaciones y los fines de semana, hay que tenerlo todo en cuenta, ¿qué sentido tiene todo esto?
 
mytarmailS: Por cierto, ¿cuántas veces debe repetirse un hecho para que se considere una regularidad?

He probado mi métrica , pero sólo funciona para SL=TP, para otros ratios hay que contar Hearst.

1...212421252126212721282129213021312132213321342135213621372138...3399
Nuevo comentario