Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 397

 
Mihail Marchukajtes:

Tengo una versión abreviada, este es el resultado del conjunto que he publicado justo arriba.

Pero, de nuevo, me llevó casi un día optimizarlo.
 
Dr. Trader:

Los resultados de la evaluación de la importancia son los siguientes. Cuanto más alto sea el predictor en la tabla, mejor. SóloVVolum6, VDel1, VVolum9, VQST10 pasaron la prueba.

En rattle podemos construir 6 modelos a la vez sobre estos 4 predictores y SVM muestra una precisión de alrededor del 55% en los datos de validación y prueba. No está mal.


¿Es posible obtener el archivo de origen? Quiero comparar este resultado con mi enfoque.

El resultado del 55% es muy malo en estos 6 predictores

 
SanSanych Fomenko:


¿Es posible obtener el archivo fuente? Quiero comparar este resultado con mi enfoque.

El resultado del 55% es muy malo en estos 6 predictores

Archivos adjuntos:
BuySell.txt  368 kb
 
Mihail Marchukajtes:

Pero, de nuevo, he tardado casi un día en optimizarlo.

Err... no, necesito algo para 15 minutos :) luego quitaré la mitad de los predictores
 
Mihail Marchukajtes:

Francamente, ni siquiera sé cómo se organiza. Creo que es así. La muestra se divide en dos partes: una de prueba y otra de entrenamiento. Una rejilla se entrena en una parte y se prueba en la otra. Otro por el contrario se entrena con el segundo, y se prueba con el primero, luego se suma el resultado y se calcula el resultado global, así de sencillo IMHO

esta metodología se aplica a cualquier aprendizaje automático.
¿Está Maxim en el tema?

¿El clasificador de Reshetov sigue siendo una sola neurona, no una red? ¿O es una red de neuronas Reshetov?

 

Pero me gustaría dirigirme a todos. No hay datos en el conjunto grande a partir del 05.29. Es decir, se puede enseñar en su totalidad y obtener el modelo, entonces se puede cargar el modelo en MKUL y ver cómo se desempeña en estas dos semanas. Esto será una medida del rendimiento del modelo. En otras palabras, el modelo que gana más con una reducción mínima y que gana. Optimicé un conjunto acortado y el modelo funcionó así

Veamos cómo se comportan SUS modelos en este ámbito????

 
Maxim Dmitrievsky:

uh... no, necesito algo para 15 minutos :) luego borraré la mitad de los predictores

Entonces deja del,vdel,volun,vvolum.
 
elibrarius:

esta metodología se aplica a todo el aprendizaje automático.
¿Quizás Maxim esté en el tema?


Te he dado un enlace a su página web, hay una descripción del modelo. Ni siquiera sé cómo caracterizarlo, dice Máquina Nuclear + Máquina Vectorial. Allí es más complicado que en la versión mt5 + entrenamiento con oponente en lugar de seleccionar los pesos en el optimizador, pero sale los mismos pesos para cada uno de los predictores.
 

Ahora soñemos un poco e imaginemos que tenemos una máquina con 100 núcleos para la optimización y ejecutamos el conjunto de datos completo con 452 filas y el conjunto completo de columnas y en un tiempo aproximado el optimizador ha calculado todo, cuál sería el modelo????

Bueno, en primer lugar las variables de entrada serán más de 10-12 y el tamaño del polinomio será bastante grande. ¿Qué te dice eso? Que el modelo es multiparamétrico, que tiene en cuenta muchos factores del mercado (lo cual es bastante relevante en principio, porque es ridículo predecir el mercado en base a una máquina (como ejemplo)). La longitud del polinomio sugiere que el modelo es muy flexible. Al final, este modelo funcionará durante mucho tiempo con un nivel de calidad adecuado cuando la curva de equilibrio se dirija hacia arriba con un ángulo de 45 grados, sin caídas ni valles abruptos. ¿No sería un sueño????

Y en cuanto al gran conjunto, diré que ahí se recoge todo el contrato de futuros de junio. En otras palabras, hay que entrenar el modelo con estos datos y conseguir un buen resultado en el entrenamiento y en el test y este modelo funcionará el resto de su vida, porque ha aprendido todo el contrato de futuros. El próximo contrato será exactamente igual en cuanto a la relación entre productos e insumos, según mi opinión. Es una forma de grial, que funciona con errores, pero lo suficientemente largo. Y si se entrena la red con los datos anuales, con el nivel de calidad adecuado, se conocerá el mercado. Algo como esto ....

 
Mihail Marchukajtes:


Bueno, sí. Sólo hay la versión antigua y el enfoque básico. Pero, como ha demostrado la práctica, el enfoque de dos cuadrículas aumenta la capacidad de generalización de forma significativa. El resultado del optimizador es el siguiente archivo. Se pueden ver dos cuadrículas y una normalización diferente para cada cuadrícula. Luego se combinan los resultados al final.

Así que Reshetov hizo un buen producto, no deberías haberlo criticado para ser honesto ......

Mirado el archivo, hay 8 coeficientes de entrada es23 es decir hay una neurona para trabajar con 3 entradas. Supongo que durante veinticuatro horas su programa cuenta qué 3 entradas de 100 deben ser alimentadas a esta neurona. Creía que la neurona se expandía hasta al menos 10 entradas...

getBinaryClassificator1(x0, x1, x2, x3, x4, x5, x6, x7);