Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2953

[Aleksey Nikolayev]

He recordado la discusión sobre los signos cíclicos, como la hora del día. En mi opinión, deberíamos traducirlas en regulares, simplemente seleccionando el punto de partida en el que se produce el cambio más fuerte en el posible patrón. Puedes usar consideraciones de mercado (horario de la sesión, en este caso) o algo así, o entrenar un modelo de árbol y tomar el punto de la primera división en esta característica.

[Maxim Dmitrievsky]

Aleksey Nikolayev #:
He recordado la discusión sobre los signos cíclicos, como la hora del día. En mi opinión, deberíamos traducirlas en regulares, simplemente seleccionando el punto de inicio en el que se produce el cambio más fuerte en el posible patrón. Puedes usar consideraciones de mercado (horario de sesión, en este caso) o algo así, o entrenar un modelo de árbol y tomar el punto de la primera división basado en esta característica.

Usted podría tomar la volatilidad en lugar de incrementos, que refleja con precisión los ciclos del mercado. Y ejecutarlo a través de 2 modelos, uno de los cuales filtra los casos malos (como hice en el último artículo). Los resultados son a veces decente, sólo tiene que volver a entrenar un par de veces. Potencialmente este enfoque dará más que bestinterval.

ZY onnx en mac comenzó a partir del ejemplo, que es genial, no he comprobado boustings todavía

¿Es necesario introducir una matriz bidimensional como en tu ejemplo? Parece más lógico usar una matriz unidimensional con atributos. Puede que se queje de la forma incorrecta de la matriz. Por ejemplo, en lugar de una unidimensional deberías dar una bidimensional, donde cada entrada esté en la 2ª dimensión, es decir, matrices anidadas que contengan 1 valor cada una.

Hay un ejemplo de traducción a mql desde python para catbust, lgbm no parece ser mejor

[Aleksey Nikolayev]

Maxim Dmitrievsky #:

ZY onnx en mac comenzó a partir del ejemplo, que es genial, no he comprobado los boustings todavía

¿Es necesario introducir una matriz de 2 dimensiones como en tu ejemplo? Parece más lógico usar una matriz unidimensional con atributos. Puede que se queje de la forma incorrecta de la matriz. Por ejemplo, en lugar de una unidimensional deberías dar una bidimensional, donde cada entrada esté en la 2ª dimensión, es decir, matrices anidadas que contengan 1 valor cada una.
.

Pues bien, al entrenar en python, probé el modelo en las cinco primeras filas del conjunto de datos. Luego, al ejecutar ONNX en python, también probé la salida en las mismas cinco primeras líneas. No importa cómo se mire, sigue siendo una matriz. En la variante MT5 simplemente copié estas mismas cinco líneas como una matriz. Y en el ejemplo de Renat, la entrada también es una matriz de diez filas y cuatro columnas.

El problema ahí, IMHO, está ya al cargar el modelo, porque salen números negativos en las dimensiones. Por cierto, hay que ver lo que será la salida en el ejemplo de Renate.

OnnxTypeInfo otype;
OnnxGetInputTypeInfo(h, 0, otype);
ArrayPrint(otype.dimensions);                   // -1 8
OnnxGetOutputTypeInfo(h, 0, otype);
ArrayPrint(otype.dimensions);                   // -1 1

[Aleksey Nikolayev]

Maxim Dmitrievsky #:
Usted puede tomar la volatilidad en lugar de incrementos, que refleja con precisión los ciclos del mercado. Y ejecutarlo a través de 2 modelos, uno de los cuales filtra los casos malos (como hice en el último artículo). Los resultados son a veces decente, sólo tiene que volver a entrenar un par de veces. Potencialmente este enfoque rendirá más que bestinterval.

No, sólo estoy hablando del enfoque general de las variables cíclicas. Hay que "trocearlas" para convertirlas en ordinarias. Pero se puede hacer de diferentes maneras, no necesariamente en cero formal.

Además del tiempo diario, las variables cíclicas aparecen, por ejemplo, cuando se buscan pesos para una cartera de dos símbolos.

[mytarmailS]

Aleksey Nikolayev LightGBM y guardar los modelos en formato if-else en C. No es universal, pero es barato y arisco).

También hay un paquete intrees, ahí puedes sacar reglas de muchos modelos de pueblos.

Forrests, boosts...

[Aleksey Nikolayev]

Maxim Dmitrievsky #:

Bueno para catbusta hay un ejemplo de traducir a mql desde python, lgbm parece que no es mejor

Hay ligeras dudas sobre el futuro de Yandex)

Además, se supone que lgbm se integra mejor con sysharp y otras creaciones de microsoft, si de repente se vuelve relevante)

[Aleksey Vyazmikin]

mytarmailS #:
También existe el paquete intrees, en el que se pueden extraer reglas de muchos modelos de aldea.

Forrests, boosts...

¿Puede demostrar un script con esta funcionalidad?

[Aleksey Vyazmikin]

Aleksey Nikolayev #:

Hay ligeras dudas sobre el futuro de Yandex)

¿En qué se basan?

[Forester]

Aleksey Nikolayev #:
o entrenar un modelo de árbol y tomar el punto de la primera división basado en esa característica.

¿Una división? ¿O varias? Fxaber asigna 3 splits de trabajo con su programa (y 3 descartados). Total 5 divisiones.
¿Existe algún software de MO que ofrezca la posibilidad de realizar el número de divisiones solicitado según la característica especificada?

Y lo más interesante es averiguar en qué lugares hacer splits. Fxaber lo hace en función de los resultados de negociación. Resulta que no son las primeras divisiones, pero al final es necesario añadirlas.
O las primeras divisiones asignan trozos de 1-4 horas y el árbol subyacente se entrena, tratando de alcanzar el máximo en su intervalo de tiempo.
Me temo que no hay ningún paquete MO que haga esto - sólo tendremos que dividir los datos y entrenar varios modelos.

[Aleksey Nikolayev]

mytarmailS #:
También existe el paquete intrees, en el que se pueden extraer reglas de muchos modelos de aldea.

Forrests, boosts...

Parece estar basado en XGBoost, que se considera peor que CatBoost y LightGBM. Así que el paquete lightgbm en R también está disponible. La cuestión es una buena forma de implementar los modelos.