Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2961

 
Se ha actualizado la ayuda de onnx en el sitio web - https://www.mql5.com/ru/docs/onnx
Документация по MQL5: ONNX модели
Документация по MQL5: ONNX модели
  • www.mql5.com
ONNX модели - Справочник MQL5 - Справочник по языку алгоритмического/автоматического трейдинга для MetaTrader 5
 
mytarmailS #:


He estado pensando en tu ejemplo.

Tengo grandes dudas.

En primer lugar, si lo he entendido bien.

En algún tramo de la cotización se han encontrado puntos de entrada que darán algún tipo de línea de equilibrio perfecta.

Si es así, se trata de un ajuste excesivo en la historia. Los puntos de entrada/salida encontrados no satisfacen en absoluto la idea básica de MO de que "la historia se repite". Con MO, uno busca algunos patrones abstractos, con la esperanza/justificación de que se repetirán en el futuro. Y aquí hay un marcado de alguna zona de precios....


¿Hay alguna otra manera? ¿O me estoy perdiendo algo?

 
СанСаныч Фоменко #:

Pensé en tu ejemplo.

Grandes dudas.

En primer lugar, si lo he entendido bien.

En alguna sección del quotir, se han encontrado puntos de entrada que darán una cierta línea de equilibrio ideal.

Si es así, se trata de un ajuste excesivo de la historia. Los puntos de entrada/salida encontrados no satisfacen en absoluto la idea básica de MO de que "la historia se repite". Con MO, uno busca algunos patrones abstractos, con la esperanza/justificación de que se repetirán en el futuro. Y aquí tenemos un marcado de una determinada zona de precios....


¿Hay alguna otra manera? ¿O me estoy perdiendo algo?

El objetivo del ejemplo es mostrar que es posible entrenar el modelo no sólo con objetivos prefabricados, sino también con funciones de pérdida de cualquier complejidad que minimicen o maximicen la FF.

En este ejemplo (a petición de los ansiosos) se muestra cómo entrenar AMO para el máximo beneficio estable, pero puede ser absolutamente cualquier FF a su gusto....

También nadie impide añadir muestreo de prueba y validación para el entrenamiento para que no haya sobreentrenamiento, pero complicaría el código y está fuera del alcance del ejemplo.
 
mytarmailS #:
El objetivo de este ejemplo es mostrar que es posible entrenar el modelo no sólo con objetivos prefabricados, sino también con funciones de pérdida de cualquier complejidad minimizando o maximizando la FF.

En este ejemplo (a petición de los interesados) se muestra cómo entrenar AMO para el máximo beneficio estable, pero puede ser absolutamente cualquier FF a su gusto....

También nadie impide añadir muestreo de prueba y validación para el entrenamiento de forma que no hubiera sobreentrenamiento, pero complicaría el código y está fuera del alcance del ejemplo.

Ya veo, muy curioso

 
СанСаныч Фоменко #:

Ya veo, muy curioso

¿qué es curioso? se dijo hace un par de meses en este hilo en los diálogos con mi participación))) aquí muchos argumentaron que max/min ff no debe ser de ninguna manera)))))

como se fija el ff para que el barco navegue....

 
Andrey Dik #:

lo que es curioso? por lo que se dijo hace un par de meses en este hilo en los diálogos con mi participación)) aquí muchos argumentaron que max/min ff no debe ser de ninguna manera))))

como se establece el ff, por lo que el barco navegará....

El algoritmo tiene su propio ff, que no se puede cambiar (no funcionará), es solo un añadido para que el ajuste de curvas sea bonito. No afecta a nada globalmente. Ya había aquí una variante con pérdida personalizada en el factor de ganancia, en el trayne es bonito como siempre.

Damos vueltas y vueltas y nos sorprendemos cada vez. La amnesia es una aflicción agradable, todos los días noticias 😀
 
Maxim Dmitrievsky #:
El algoritmo tiene su propio ff, que no se puede cambiar (no funcionará), es sólo un complemento para el ajuste de curvas, para hacerlo bonito). No afecta a nada globalmente.

Max, puedes establecer cualquier FF, y es bueno establecerlo de acuerdo al objetivo de entrenamiento.

Si el objetivo de aprendizaje es el ajuste de curvas, entonces será el ajuste de curvas)).

Pero no anula el hecho de que cualquier entrenamiento es la esencia de la optimización (max/minimización) de algún FF.

 
Andrey Dik #:

Max, FF puede establecerse como se desee, y es una buena idea fijar un objetivo de aprendizaje adecuado.

Si el objetivo de aprendizaje es kurwafing, entonces será kurwafing)).

pero esto no anula el hecho de que cualquier entrenamiento es la esencia de la optimización (max/minimización) de algún FF.

Pero no puedo imaginar como TC puede ser sacado a traves de esto :) tal vez alguien tiene un super-duper FF, pero guarda silencio
 
Maxim Dmitrievsky #:
No afecta a nada globalmente.

Lo principal es creer en ello y repetirlo más a menudo, o viceversa.

 
mytarmailS #:

Lo principal es creer en ello y repetirlo más a menudo, o viceversa.

Me doy cuenta de que es frustrante cuando has hecho algo y te dicen que no tiene sentido desde el principio :)
Muestra algunos cortes entonces, al menos, de lo que ha pasado