Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1550

 
forexman77:

Servido sólo precios para entrenar un bosque aleatorio. Tengo la línea roja de previsión. Se ha observado que en las zonas de tendencia, la línea de previsión no llega en absoluto.


todo está bien, piensa por qué

 
Maxim Dmitrievsky:

Así es, piensa por qué

Por qué, según tengo entendido, ya lo sé. Me gustaría saber qué piensan los demás al respecto.

 
forexman77:

Por qué, según tengo entendido, ya lo sé. Me gustaría saber qué piensan los demás al respecto.

porque el bosque no sabe extrapolar

Hay que escalar los datos, por ejemplo, los incrementos.

O tomar algunos mercados planos si sólo el precio como una característica
 
Maxim Dmitrievsky:

porque el bosque no sabe extrapolar

¿Se refiere a algo como ARIMA, cuando se predicen varios valores por adelantado?

Tengo cada predicción, sólo una barra hacia adelante (consciente de que el bosque no funciona con series de tiempo). También he probado a hacer lo siguiente: se añade la barra prevista y se resta una barra detrás de las anteriores y va en ciclos a

Lo he intentado de esta manera: debería hacer un bucle a través de algunas barras y sustituir las anteriores por la prevista.

Las primeras y segundas barras de predicción se repiten.

Así es como se entrena en el gif:

    def on_press(self, event):
        if event.xdata!=None and event.xdata>=1:
           index = int(event.xdata)
           index_ = ind[index:index + 30]
           if self.ln != 0:
               self.ln.remove()
           X = z[index - 31:index]
           X1 = z[index-1:index + 29]
           X=X.reshape(-1, 1)
           X1 = X1.reshape(-1, 1)
           y = z[index - 30:index + 1]
           regr = RandomForestRegressor(max_depth=5, random_state=0, n_estimators=10)
           regr.fit(X, y)
           y_1 = regr.predict(X1)

           self.ln, = self.ax.plot(index_, y_1, color='red')
 
forexman77:

¿Se refiere a algo como ARIMA, donde se predicen múltiples valores por adelantado?

en los modelos de regresión, los signos están simplemente dominados por los coeficientes, por lo que todo funciona cuando los datos de entrenamiento están fuera de los límites

El bosque divide las hojas que tienen valores marginales tanto por encima como por debajo, sobre el rango de los datos de entrenamiento. Si los nuevos datos se salen de ese rango, el bosque muestra los valores de las hojas extremas que conoce.

para tener una línea recta, porque el bosque muestra los valores extremos que conoce
 
Maxim Dmitrievsky:

¿Por qué no conseguir un probador de algún tipo, como una tirolesa? ¿Cuál es la ventaja?

No es necesario ejecutar nada en MT5, y la dll no es realmente necesaria.

MLflow ya está en Python. Puedes guardar el resultado de latirolina en él.

De todos modos, comprobarás la estrategia de trading en el probador de MT5, porque tiene más posibilidades.

 
Maxim Dmitrievsky:

en los modelos de regresión, los atributos simplemente se multiplican por los coeficientes, por lo que todo funciona cuando los datos de entrenamiento están fuera de los límites

el bosque divide las hojas que tienen valores marginales tanto por encima como por debajo, sobre el rango de los datos de entrenamiento. Si los nuevos datos se salen de este rango, el bosque muestra los valores de las hojas extremas que conoce.

por eso tienes una línea recta, porque el bosque está mostrando los valores extremos que conoce

Bueno, en principio sí, como una opción para predecir incrementos y añadirlos a la barra inicial y así ir a la profundidad deseada.

Por qué lo he preguntado, porque el bosque no necesita normalizar los datos, pero es así.

 
forexman77:

Bueno, en principio sí, como opción para predecir los incrementos y sumarlos a la barra inicial y así ir a la profundidad deseada.

Por eso he preguntado, porque el bosque no necesita normalizar los datos, pero así resulta.

Pues bien, en el caso de las series temporales no estacionarias es necesario, al menos, llevarlas a un rango razonable, más allá del cual no irán durante algún tiempo

pero cuanto más fuerte sea la diferenciación, mayor será la pérdida de información.

por lo que es un arma de doble filo: tanto las series iniciales no son muy adecuadas como los incrementos con un solo retardo no son muy buenos, porque se pierde mucha información

La información que se pierde es precisamente la del desplazamiento temporal de la media, y nada más. En mis posts de supermaternidad intento explicarlo en términos sencillos

 
Roffild:

MLflow ya está en Python. Puedes guardar el resultado de latirolina en él.

La estrategia de trading seguirá siendo probada en el probador de MT5, porque tiene más características.

Puede ser útil más tarde, gracias

 
1