Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 316
![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
http://radikal.ru/video/6X0MyhuW8Bp
Un vídeo interesante. ¿Qué sentido tiene?
¿Qué sentido tiene?
En la agrupación.
El aprendizaje automático puede llamarse, a grandes rasgos, agrupación. Hay un cierto hiperespacio de predictores, y la necesidad de dividirlo en varios subespacios, donde el punto que pertenece a un subespacio particular (clase) significa para forex la acción de operar - en el caso de 3 clases - "comprar", "vender", "salir".
El vídeo demuestra claramente el aprendizaje sin profesor sobre dos predictores (X e Y), la forma en que la agrupación automática cambia los límites de los subespacios en función de la cantidad de datos. Con respecto a las divisas, esto muestra metafóricamente la duración del backtest, y cómo su cambio (de duración) afecta al resultado de la agrupación. Un modelo entrenado con una semana de datos ve y sabe mucho menos que un modelo entrenado con dos, tres, etc. semanas.
La segunda parte del vídeo muestra cómo el experto evalúa los resultados de la agrupación y realiza ajustes en el modelo. El experto ve que las 3 clases obtenidas no son suficientes y puede discernir al menos 6 clases, y entonces el experto ajusta los parámetros del modelo según su experiencia para que el modelo absorba con precisión estas 6 clases.
Esta es una idea general. En mi opinión, este paso es imposible en Forex, porque hay decenas de predictores y es difícil percibir más de tres dimensiones. Según tengo entendido, este paso incluye la experiencia no en la corrección manual, sino en la corrección automática, cuando el cambio de los parámetros del modelo va acompañado de la simulación del comercio, donde el criterio de los parámetros bien elegidos es un buen comercio.
El aprendizaje automático puede llamarse, a grandes rasgos, agrupación. Existe un determinado hiperespacio de predictores, y la necesidad de dividirlo en varios subespacios....
¿Y quién comprueba la calidad del código de estas redes?
https://www.mql5.com/ru/forum/190948
Sí, es esto o aquello, pero no al mismo tiempo.
Se necesitan al menos tres personas: gerente, comerciante y desarrollador de software, un equipo cohesionado, el gerente debe practicar la creación de equipos, el comerciante debe promediar, y el desarrollador debe utilizar el diseño peters en todas partes e incluso si uno practica la programación en pareja, entonces funcionará.También se necesita un archivero. Y además...
Después de mis experimentos en el eurusd con diferentes patrones me parece que el precio está fuertemente regulado con el fin de traer más beneficios a los corredores y los bancos.
Una situación típica - entrenamos un modelo en un par de semanas de datos, y luego en los nuevos datos obtenemos sólo el 50% de las operaciones rentables (al azar, de hecho), y una pérdida lenta en la propagación.
Pero si experimentamos con los modelos y tratamos de buscar patrones veremos una situación un poco diferente - algunos patrones son rentables durante algunas semanas, y luego de repente caen al 50% de éxito, es decir, al azar. Pero uno o dos meses después vuelven a funcionar, pero hay que operar en contra de su predicción. Y después de un par de semanas su predicción pasa al 50% de forma aleatoria de nuevo. Y en algún momento del futuro volverán a ser rentables. Etc.
De todo esto tengo la siguiente conclusión - los bancos fijan los precios según sus programas, algoritmos. Estos programas los cambian periódicamente, utilizan diferentes combinaciones de los mismos, modifican los precios en sentido contrario al que sugiere su programa, etc., todo ello para crear una nueva situación en el mercado. De lo contrario, sus algoritmos habrían sido descubiertos y utilizados en su contra.
Y al mismo tiempo, la gente con el tehanálisis o el aprendizaje automático está tratando de buscar patrones que han existido durante mucho tiempo. Y los patrones cambian en un chasquido de dedos o se contradicen, no es de extrañar que el comercio sea tan difícil.
Los modelos de trabajo tienen que tener en cuenta todo eso -y el hecho de que los patrones sólo funcionan en determinados segmentos de tiempo, a veces en sentido contrario- y ser capaces de entender a partir de la situación actual qué conjunto de patrones utilizar.
¿Todo es inútil?
Veo que también aquí se va comprendiendo, aunque lentamente y con dificultad, que
el mercado es un sistema dinámico controlado.
Pero la constatación de este hecho nos obliga a reconsiderar nuestra forma de verlo y describirlo.
Luego viene la comprensión del hecho de que los métodos estadísticos no son métodos adecuados para construir un modelo adecuado del mercado y sólo sirven para "hablar" de las colas. Colas más finas o colas más gruesas.
;)
Después de mis experimentos en el eurusd con diferentes patrones me parece que el precio está fuertemente regulado con el fin de traer más beneficios a los corredores y los bancos.
Una situación típica - entrenamos un modelo en un par de semanas de datos, y luego en los nuevos datos obtenemos sólo el 50% de las operaciones rentables (al azar, de hecho), y una pérdida lenta en el spread.
Pero si experimentamos con los modelos y tratamos de buscar patrones veremos una situación un poco diferente - algunos patrones son rentables durante algunas semanas, y luego de repente caen al 50% de éxito, es decir, al azar. Pero uno o dos meses después vuelven a funcionar, pero hay que operar en contra de su predicción. Y después de un par de semanas su predicción pasa al 50% de forma aleatoria de nuevo. Y en algún momento del futuro volverán a ser rentables. Etc.
De todo esto tengo la siguiente conclusión - los bancos fijan los precios según sus programas, algoritmos. Estos programas los cambian periódicamente, utilizan diferentes combinaciones de los mismos, modifican los precios en sentido contrario al que sugiere su programa, etc., todo ello para crear una nueva situación en el mercado. De lo contrario, sus algoritmos habrían sido descubiertos y utilizados en su contra.
Y al mismo tiempo, la gente con el tehanálisis o el aprendizaje automático está tratando de buscar patrones que han existido durante mucho tiempo. Y los patrones cambian en un chasquido de dedos o se contradicen, no es de extrañar que el comercio sea tan difícil.
Los modelos de trabajo tienen que tener en cuenta todo eso -y el hecho de que los patrones sólo funcionan en determinados segmentos de tiempo, a veces en sentido contrario- y ser capaces de entender a partir de la situación actual qué conjunto de patrones utilizar.
¿Todo es inútil?
No esperaba tales pensamientos de una persona cuerda :)
La navaja de Occam: "No hagas entidades innecesarias".