Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 533
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
sí, ¿por qué no es bueno? MO es esencialmente la optimización hasta que se inventa la IA.
La genética también forma parte de la IA.
Además, existe una dirección híbrida bastante prometedora: las redes neuronales en evolución NEAT.
Los criterios son importantes en la "optimización". La optimización basada en el máximo beneficio no es un buen criterio. Y no hay ninguna razón para creer que en el futuro funcionará de alguna manera, lo que vemos a menudo en la práctica, en particular en el foro.
No necesariamente por el beneficio máximo, puedes usar R^2 como se sugirió recientemente en el artículo o algo más, hay criterios personalizados. No se trata de eso, sino de encontrar dependencias estables mediante opt. Después se eligen los mejores recorridos y se analiza por qué son los mejores y qué cosas interesantes se encontraron.
Además, existe una dirección híbrida bastante prometedora: las redes neuronales en evolución NEAT.
algo nuevo de ti otra vez, voy a buscar ayuda en Google :)
Además, existe una dirección híbrida bastante prometedora: las redes neuronales en evolución NEAT.
Has expresado lo que he estado pensando, pero no he sido capaz de formular un pensamiento, durante los últimos meses.
NEAT
El tema en sí mismo es interesante, pero no pasó la prueba del forex. Hay algunos artículos al respecto en el hilo, incluso hay un paquete para R -https://github.com/ahunteruk/RNeat.
NEAT un par de palabras - seleccionamos los pesos de las neuronas utilizando un algoritmo genético en lugar de un entrenamiento convencional.
Como ejemplo del algoritmo en acción, la neuronaka se entrena para jugar a un juego de Mariohttps://www.youtube.com/watch?v=qv6UVOQ0F44
Mientras que con el entrenamiento normal de una red neuronal se puede pausar el entrenamiento y comprobar el sobreajuste en los nuevos datos para detener el entrenamiento a tiempo, con NEAT no funciona, la genética buscará los pesos que mejor se ajusten a la función de aptitud hasta llegar a su límite, lo que resulta en un fuerte sobreajuste y un modelo inútil en los nuevos datos.
Las pruebas en garrapatas reales son en tiempo real. Y es una lástima que no lo uses con un probador.
Es extraño escuchar eso, los "ticks reales" no están en el probador de MetaTrader, son generados, matemáticamente parece abrir/cerrar en (O+H+L+C)/4 de la siguiente vela, antes de que aparezca la señal.
Lo malo de este intercambio (bittrex) - su api no tiene funciones para obtener valores ohlc
Pues no, lo hacen. Es que su api 2.0 aún no está documentada, la información está en algún lugar de las regiones bajas de Internet(((
Ejemplo de req candlc:bittrex.com/Api/v2.0/pub/market/GetTicks?marketName=BTC-ETH&tickInterval=day&_=1499127220008
Bueno, sus velas son malas, no las hacen a partir de su registro de órdenes, sino que de alguna manera las agregan de otras fuentes, los máximos y mínimos pueden ser mucho más fuertes que en sus gráficos, tienes que escribir los ticks en cualquier casoClaro que no, yo sí.
De verdad, gracias.
Es extraño escuchar eso, no hay "ticks reales" en el probador del metatrader, se generan, en un sentido matemático es algo así como abrir/cerrar en (O+H+L+C)/4 de la siguiente vela antes de la cual se produjo la señal.
extraño escuchar que no hay ticks reales en el tether de metatrader, se siente como trabajar con la plataforma
¡¡¡Hola a todos!!! Una pregunta conocida. CÓMO hacer que la IA dure el mayor tiempo posible sin sobreoptimización???? Yo personalmente veo dos respuestas.
1. Mejorar la calidad de las entradas, es decir, encontrar una entrada que sea la razón de la salida. La tarea es extremadamente difícil y a veces no es factible, porque en principio esos insumos pueden no existir en la naturaleza.
2. Prolongar el periodo de formación con el nivel adecuado de calidad del modelo. Este es el enfoque que creo que vamos a considerar.....
Utilizando un comité de dos redes, obtenemos tres estados "Sí", "No" y "No sé" - cuando dos redes miran en direcciones diferentes, es este efecto el que intentaremos utilizar.
Al principio, entreno la red con 1000 registros. Por lo general, alrededor del 60% de ellas recibirán el estado "No sé". A continuación, construimos un modelo de segundo nivel en el que lo entrenamos sólo con los estados "No sé". Además, en el segundo nivel, alrededor de 300 de las 600 entradas serán indefinidas. Así es, chicos, usaremos el refuerzo. Es decir, vuelve a entrenar la red repetidamente. Pude llegar al nivel tres. Nos permitió entrenar el modelo durante unos tres meses en la TF M15. Debo admitir que la preparación de los modelos llevó más de dos días, y no es de extrañar, teniendo en cuenta que tuvimos que construir 6 modelos de señal + 8 modelos de rebote, pero todo este tiempo se gasta sólo para aumentar la capacidad de TS hasta un mes sin sobreoptimización y la participación humana.
Esta imagen muestra el periodo de formación de la ST. La prueba se realizó con un lote, sin posibilidad de entrar con pausas. Es decir, ¡sin el modelo de envío!
Preste atención a la "Rentabilidad". No debe ser demasiado alta, de 2 a 5... dentro de estos límites. Un nivel alto de este indicador es un signo de sobreentrenamiento, según mi opinión. Cuando la SN haya aprendido esta sección.
En la siguiente imagen he conectado el modelo de retroceso. Es decir, cuando aparece una señal analizamos si habrá un pullback y si "sí", colocamos una orden pendiente, si "no", entramos en el mercado. Aquí utilizamos unas cuatro inversiones modelo en el modelo y el resultado como podemos ver es mucho mejor en el parámetro "Rentabilidad". En realidad, este método está pensado para que la curva de equilibrio parezca más suave y fuerte.
Por regla general, el número de operaciones disminuye, el beneficio disminuye y la rentabilidad aumenta.
Pero sabemos que los indicadores del área de formación no significan nada y es cierto. Pero he encontrado una respuesta a una pregunta muy importante: "¿Cómo evaluar la calidad de la formación? ¿Cómo saber hasta qué punto su modelo generaliza el mercado y, en general, puede hacerlo? La respuesta resultó ser superficial y muy sencilla. ¡¡¡¡¡¡Necesitas otro intervalo de prueba!!!!!! ¿Pero qué es? ..... sobre eso en la secuela....