Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2958

 
Permítanme explicar un poco la situación. Todo el mundo tiene claro que los ejemplos son de naturaleza puramente técnica. Pero las personas que acaban de familiarizarse con la MT y proceden de la ciencia de datos pueden tener una impresión desagradable al ver este ejemplo. Por eso Vladimir Perervenko sugiere calcular toda la normalización utilizando datos de entrenamiento, para que la información no se filtre fuera de la muestra de prueba.
 
Aleksey Nikolayev #:

Este problema se resuelve utilizando una función de pérdida adecuada al entrenar los modelos MO. Esto plantea dos problemas. El primero es técnico: las funciones de pérdida estándar de los paquetes MO sólo están relacionadas con la maximización de beneficios de forma indirecta, lo que obliga a crear funciones personalizadas. Esto es bastante difícil de hacer - es necesario tener un buen conocimiento de los paquetes MO a nivel de código. Si se resuelve este problema, entonces puede aparecer el segundo problema matemático, cuando la función de pérdida personalizada no es buena para entrenar el modelo.

Si alguien resuelve un problema tan difícil, es poco probable que comparta la solución.

Al parecer, vale la pena leer acerca de las funciones de pérdida. Si he entendido bien, resulta que, por ejemplo, en un mercado donde sólo se puede comprar la función de pérdida:

suma de la diferencia entre los precios de compra y venta, para los casos en que: "precio de compra" - "precio de venta" < 0.

En este caso obtenemos una suma con valor negativo, es decir, debería tender a 0 o al máximo. Para que tienda al mínimo antes de la suma de diferencias tenemos que poner un signo menos.

Respecto a que si alguien ha resuelto un problema tan difícil no vaya a compartir la solución, no contaba con ello, sólo quiero entender cómo maximizar el beneficio o ver como ejemplo al menos algún modelo (no importa si es rentable o no, sólo entender el marco general).

Y entonces, claro, creo que las funciones de pérdida personalizadas serán en general malas para entrenar un modelo porque no es la parte principal.

 
Maxim Dmitrievsky #:
Optimiza tu estrategia (si te da pereza hacer otro margen) según el criterio de máximo beneficio, y luego entrénate con esta TS. O tomar cualquier TS rentable del mercado. El mismo entrenamiento con un profesor.

Si usted está interesado en derivar un TS sobre la base de NS solamente, puedo ofrecer una variante de mi último artículo. Usted puede hacerlo de una manera similar. Al principio me preguntaba cómo hacer tal cosa. Exclusivo.

No diría que me da pereza hacer otras marcas, pruebo diferentes variantes y como no soy un senor en machine learning, cuando me viene alguna idea a la cabeza, intento encontrar al menos algunas variantes de ejemplos con intentos de conseguir el resultado.

Cuando traté de hacer una variante paramétrica de la solución con sus propios valores de los indicadores, pero resultó que hay tantas variantes del conjunto de valores de los indicadores que con la potencia de cálculo actual selección de parámetros se llevará a cabo casi 10 años)

Me sorprendió cuando leí la frase "tomar cualquier TS rentable del mercado". Yo ni siquiera considerar tal opción, ya que pensé que no estaban allí.

 
mytarmailS #:
Ya lo he compartido tantas veces que en algún momento me harté de ello.....

La gente empieza a pensar y a hablar de lo que hablé hace años, pero nadie lo entiende.

No todo el mundo estaba familiarizado con el aprendizaje automático hace años. Si se releen tus posts, las discusiones deberían encontrarse en el mismo hilo/rama?

Aparentemente vale la pena tratar de darle sentido a las 3000 páginas del hilo mientras sigue creciendo.

 
Elvin Nasirov #:
Por lo visto, hay que intentar comprender las 3000 páginas del tema antes de que crezca.

Es mejor entender los artículos de Vladimir Perervenko y Maxim Dmitrievsky. Emplearás tu tiempo de forma más útil. El foro es sobre todo agua.

Vladimir Perervenko
Vladimir Perervenko
  • www.mql5.com
Профиль трейдера
 
Forester #:

Comprenda mejor los artículos de Vladimir Perervenko y Maxim Dmitrievsky. Emplearás tu tiempo de forma más provechosa. El foro es sobre todo agua.

Gracias.

 
Elvin Nasirov #:

No todo el mundo estaba familiarizado con el aprendizaje automático hace años. Si se releen sus posts, las discusiones deberían encontrarse en el mismo hilo/rama?

Por lo visto, merece la pena intentar dar sentido a las 3000 páginas del hilo mientras sigue creciendo.

Su problema es un problema de optimización , la búsqueda de parámetros desconocidos

Este es el ÚNICO artículo que necesitas para estudiar https://www.mql5.com/ru/articles/2225.


Si quieres enseñar AMO para maximizar el beneficio y minimizar el drawdown:


necesitas

1) crear una función de fitness, una función que cuente los beneficios y las pérdidas de las señales de trading.

2) cualquier algoritmo AMO que generará señales para el comercio, para la función de fitness (p.1)

3) cualquier algoritmo de optimización (genético, enjambre de partículas, churn) - que generará señales como objetivos para AMO (punto 2).


El algoritmo es el siguiente

1) AO crea un objetivo para AMO

2) AMO aprende sobre este objetivo

3) AMO crea una previsión de señales comerciales

4) las señales comerciales son evaluadas por FF y producen un resultado

5) el resultado de FF es evaluado por AO y maximizado/minimizado aún más y así sucesivamente en un círculo hasta obtener un resultado aceptable.


==========

AO - algoritmo de optimización

AMO - algoritmo de aprendizaje automático

FF - función de adecuación

=========


ps. si quieres trabajar con neuronka y no con ningun AMO, puedes cambiar los pesos usando las herramientas AO, sin aprender el targeting.

Самооптимизация экспертов: Эволюционные и генетические алгоритмы
Самооптимизация экспертов: Эволюционные и генетические алгоритмы
  • www.mql5.com
В статье будут рассмотрены основные принципы, заложенные в эволюционных алгоритмах, их разновидности и особенности. На примере простого эксперта с помощью экспериментов покажем, что может дать нашей торговой системе использование оптимизации. Рассмотрим программные пакеты, реализующие генетические, эволюционные и другие виды оптимизации и приведем примеры применения при оптимизации набора предикторов и оптимизации параметров торговой системы.
 
mytarmailS #:

Su problema es un problema de optimización, de búsqueda de parámetros desconocidos.

Aquí tienes el ÚNICO artículo que necesitas para estudiar https://www.mql5.com/ru/articles/2225


si quieres enseñar a la red a maximizar el beneficio y minimizar la reducción:


necesitas

1) crear una función de aptitud, una función que cuente los beneficios y las pérdidas de las señales de negociación.

2) cualquier algoritmo MO que generará señales para el comercio, para la función de fitness (p.1)

3) cualquier algoritmo de optimización (genético, enjambre de partículas, churn) - que generará señales como objetivos para AMO (p.2).


algoritmo así

1) AO crea un objetivo para AMO



AO - algoritmo de optimización

AMO - algoritmo de aprendizaje automático

FF: función de adecuación

¿Puede darme algún ejemplo de AMO? Tenía la impresión de que encontrar un profesor es un trabajo a destajo que se presta a la automatización.

 
СанСаныч Фоменко #:

¿Puede darme algún ejemplo de OA? Tenía la impresión de que encontrar un profesor era un trabajo a destajo y que se prestaba a la automatización.

Se puede...

Hay que hacerlo lo más sencillo y reproducible posible, si hay interés...

Llevaría un poco de tiempo.

 
mytarmailS #:

puedes...

Necesitamos que el ejemplo sea lo más sencillo y reproducible posible, si hay interés...

necesitas un poco de tiempo

Me parece muy interesante. Mi búsqueda de un profesor es un proceso largo y doloroso.