Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1622

 
Farkhat Guzairov:

Tengo.... Saco conclusiones de los backtests en el probador, ¿cuál crees que es el resultado que obtienes si tu sistema está entrenado correctamente? Casi un 90% de resultado de entradas correctas. Anteriormente las mismas pruebas retrospectivas no dieron tal resultado, de lo que concluyo que la formación en este caso fue correcta.

Intenta lo mismo en este caso.

No entiendo bien la idea.
Puedo dar un asesor ahora a cambio de una crítica constructiva y un informe de errores. Por favor, escríbame en persona.
 
Evgeny Dyuka:
No entiendo bien la idea.
Ya puedo dar un EA a cambio de críticas constructivas e informes de errores. Envíame un mensaje en el área personal.

He intentado hacerlo muy sencillo. Todavía no tienes un sistema, una vez que lo tengas podrás recorrer el historial y sacar conclusiones sobre lo preparado (entrenado) que está.

 
Farkhat Guzairov:

He intentado hacerlo muy sencillo. Todavía no tienes un sistema, pero en cuanto lo tengas, podrás recorrer el historial y sacar conclusiones sobre lo preparado (entrenado) que está.

No puedo pasarla por el historial. Cada minuto que sale la previsión, tarda entre 12 y 17 segundos (hasta 22 segundos), hay 1400 minutos en un día. Un día de backtest tomará horas...
 
Evgeny Dyuka:
¡Es irreal recorrer la historia! La previsión sale cada minuto, tarda 12-17 segundos (hasta 22 segundos), hay 1400 minutos en un día. Un día de backtest tomará horas...

Bueno... ¿En qué parte de la historia se entrena la red neuronal en general (5/30 minutos)?

 
Aleksey Vyazmikin:

He ido a mirar su ayuda, pero no la entiendo, es muy confusa. Intentaré encontrar este punto en el vídeo más tarde, ahí está más claro.

Pero he visto que CB ha añadido nuevas opciones para construir árboles, antes sólo había una opción de árbol semétrico.

--grow-policy

La política de cultivo de árboles. Define cómo realizar la construcción del árbol codicioso.

Valores posibles:
  • SymmetricTree- Seconstruye unárbolnivel por nivel hasta alcanzar la profundidad especificada. En cada iteración, todas las hojas del último nivel del árbol se dividen con la misma condición. La estructura de árbol resultante es siempre simétrica.
  • En profundidad- El árbol se construye nivel por nivel hasta alcanzar la profundidad especificada. En cada iteración, se dividen todas las hojas no terminales del último nivel del árbol. Cada hoja se divide por condición con la mejor mejora de la pérdida.

    Nota. Los modelos con esta política de crecimiento no pueden ser analizados utilizando la importancia de la característicaPredictionDiff y sólo pueden ser exportados ajson ycbm.
  • Guía de pérdidas- Se construye un árbol hoja por hoja hasta alcanzar el número máximo de hojas especificado. En cada iteración, se divide la hoja no terminal con la mejor mejora de pérdidas.

Tiene sentido tomar la mejor división de un conjunto de divisiones aleatorias en lugar de una división aleatoria de un conjunto de divisiones aleatorias (que producirá ruido blanco en lugar de un modelo entrenado). Así es como escriben "la mejor mejora de la pérdida" en 2 de los 3 métodos.
 
Evgeny Dyuka:
12-17 segundos (hasta 22 segundos)

¿Hay que aprender?

 

Las flechas rojas ya se consideran rancias, pero eso no invalida su rendimiento. En resumen, ni un solo punto negativo en los intercambios hasta ahora, por si no te has dado cuenta. Entonces, ¿quién es el ***? :-)


 
Farkhat Guzairov:

Bueno... ¿En qué parte de la historia se entrena la red neuronal de todos modos (5/30 minutos)?

No es así...
Un modelo (una red neuronal) no da el resultado correcto. Puede aprender algo, pero no es suficiente. Por eso hago 20-25 modelos con diferentes entradas. Ahora tengo 25 modelos señalando al mismo tiempo, y sus opiniones se consideran con cierto peso en la previsión final. El cálculo de un modelo tarda entre 0,5 y 0,7 segundos, lo que supone un total de 15-20 segundos, además de tener que preparar la fecha de entrada para 25 modelos, lo que supone mucho trabajo por cada minuto)) La respuesta puede reducirse a 1-3 segundos si utilizo correctamente el multithreading en python, pero aún no lo he hecho.
Entreno los modelos por separado, en modo normal, es decir, el conjunto de datos se recoge a partir de un período de historia de un año y luego se entrena como de costumbre.
 
Mihail Marchukajtes:

Las flechas rojas ya se consideran rancias, pero eso no invalida su rendimiento. En resumen, ni un solo punto negativo en los intercambios hasta ahora, por si no te has dado cuenta. Entonces, ¿quién es el ***? :-)


¿Tienes un monitor de cuentas?

 
Evgeny Dyuka:
No es así...
Un modelo (red neuronal) no da el resultado correcto. Puede aprender algo, pero no es suficiente. Por eso construyo 20-25 modelos con diferentes entradas. Ahora tengo 25 modelos señalando al mismo tiempo, y sus opiniones se consideran con cierto peso en la previsión final. El cálculo de un modelo tarda entre 0,5 y 0,7 segundos, lo que supone un total de 15-20 segundos, además de tener que preparar la fecha de entrada para 25 modelos, lo que supone mucho trabajo por cada minuto)) La respuesta puede reducirse a 1-3 segundos si utilizo correctamente el multithreading en python, pero aún no lo he hecho.
Entreno los modelos por separado, en modo normal, es decir, el conjunto de datos se recoge a partir de un período de historia de un año y luego se entrena como de costumbre.

Que serio... Ahora sólo tienes que asegurarte de que realmente puedes comerciar con ello.