Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 41
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
Entrena una neurona que produzca lo contrario de lo que quieres, igual que la tuya, pero a propósito. Pero, ¿qué sentido tiene hacer eso? :)
No lo hago a propósito, sólo lo entrené y lo veo ))
La receta es esta -
1) entrenar dos redes por separado para la compra y para la venta, tomé la red "neural profunda" es importante porque la salida de dicha red no es 01010101, y la probabilidad de 01010
2) Simplemente tomo las salidas de dos redes y construyo una diferencia de sumas acumuladas y obtengo lo que aparece en la imagen...
En la primera imagen, las probabilidades se muestran en la parte inferior (salidas de dos redes tal cual) y la diferencia acumulada (tal cual) se muestra en la parte superior junto con el precio
en la segunda imagen es la misma y el signo de la diferencia acumulada está invertido (al revés) para mayor claridad
=======================================
Si este proceso se predice para unas cuantas velas hacia adelante, al menos para una, es un grial)) Todavía no he conseguido
lleva todo el día esperando comentarios, ¿a nadie le interesa?
La pregunta en sí no es clara.
Ten cuidado. Hay casi doscientos modelos. Si no has empezado a dominarlos, te lo recomiendo. No se trata sólo de modelos, sino de muchas otras cosas muy útiles.
Predice todo con unos cuantos pasos de antelación si así lo desea.
Los modelos de regresión acumulan el error de los pasos anteriores.
En el caso de los modelos de clasificación, el error crece, pero no debido al número de pasos que se dan.
Obsérvese que para las series temporales siempre es posible ampliar la TF y predecir por un paso, lo que correspondería a predecir por varios pasos en una TF más pequeña.
Se necesita algún tipo de herramienta que pueda predecir algunos pasos por delante utilizando un conjunto de predictores
mytarmailS:
Se necesita algún tipo de herramienta que pueda predecir algunos pasos por delante utilizando un conjunto de predictores
Comprueba que rminer. Paquete muy bien organizado
¡Hola!
Tengo dos preguntas para usted
1) con respecto a las redes recurrentes de la página anterior, tiré el paquete "rnn" es realmente una especie de extraño y mal concebido y cambió a "RSNNS" tomó la red "Elman" arrojó los datos todo funcionóNo entiendo dónde y cómo establecer "hasta dónde se recuerda la red en el pasado" en "rnn", donde inmediatamente se vio que cada variable se transformaba en una matriz con un número. columnas correspondían al tamaño de la memoria de la red, pero no he encontrado tal parámetro en"RSNNS", pero es imposible que no estuviera allí ya que la esencia de la red recurrente está exactamente en ella.
2) ¿Qué debo buscar en"rminer"? Si te refieres a algo como "arima" entonces no funcionará.
He intentado escribir un clasificador de este tipo para hacer previsiones de varios pasos, pero he fracasado, los resultados eran extraños, en primer lugar la calidad bajaba (es normal porque la previsión no está en la 5ª o 10ª vela), la anticorrelación seguía presente aunque menos pronunciada, pero el truco es que no conseguía la anticipaciónMe parece que los retrocesos de los indicadores fueron los mismos que los de los mercados, es decir, que obtuve algo de peor calidad, pero no entiendo por qué sucedió así..
Hablemos un poco de la selección de rasgos cualitativos. mis ideas al respecto...
¡No te machaques! Voy a exagerar, pero es un buen ejemplo...
Todas las formas comunes de selección de atributos (en el mercado) se reducen a poner 100 indicadores en una muestra de entrenamiento y utilizar diferentes métodos de diferentes "grados" para seleccionar, digamos, 20 indicadores que describan mejor el precio, pero ¿no es este método demasiado primitivo, a pesar del poder de los métodos avanzados para la selección de atributos? Creo que es burdo y primitivo y los métodos de selección no tienen nada que ver, déjame explicarte por qué...
Demos un rodeo y pensemos en cómo trabaja un trader profesional(recuerden que sigo exagerando :)) que sólo tiene dos indicadores - niveles e indicador "RSI Y hay un sistema de comercio en el que una operación de venta suena así: si el nivel se rompe al alza y el RSI es mayor que 0,9, entonces vende...
¿Qué es un sistema de trading? El sistema de trading en este caso actúa como un filtro de datos, un filtro que no deja entrar al trader en el ruido, y la proporción de ruido en este ejemplo con el RSI no es una broma del 95% porque el RSI va de -1 a 1, y el trader sólo necesita que >0,9 ese 5% ...
Así que lo que se deduce de esto es que Dios quiera que haya un 5% de información útil en cada rasgo y que el 95% restante sea ruido, ruido que no se necesita, que impide que la red aprenda, ruido que hay que eliminar... Así que hay que extraer sólo las situaciones útiles de cada atributo, en este ejemplo con RSI es de 0,9 a 1, todo lo demás es basura...
Y ahora volvamos al principio del post, tienes 100 atributos (indicadores), lo único que puedes (por muy chulo que sea el método) es elegir los mejores indicadores, dándote cuenta de que todo indicador tiene un 95% de ruido, ¿cuál crees que es la calidad de selección de estos atributos?
Conclusión: Es necesario tomar cada rasgo y separar lo útil de él, tengo ideas de cómo hacerlo pero antes me gustaría escuchar sus pensamientos, ideas y sugerencias al respecto