Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 570
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
https://medium.com/@ceshine/feature-importance-measures-for-tree-models-part-i-47f187c1a2c3
usted debe tratar de añadir al menos 1 de los métodos a los bosques algib y entonces todo se puede hacer automáticamente en MT5 sin R, por ejemplo, la recuperación de datos
La selección de predictores más impresionante en caret: gafs - selección genética de predictores; rfe - selección inversa de predictores (más rápida); safs - robustez simulada de la selección de predictores (annealing) - más eficiente.
Si hablamos de aprendizaje automático, debemos tener cuidado: es un caparazón que incluye todo el ciclo: la extracción de datos, el modelado y la estimación.
PS.
Lo único a lo que te aferras es al "así es como se termina...".
No, me refiero exactamente al método de selección en RF, no a otras formas. ¿O es para RF? Tengo entendido que Gini es el más popular.
Sí, se utiliza R MDI
Sobre la selección de predictores...
Añadido inicialmente al modelo - día de la semana. Observé el comercio de la mejor variante - resultó que en 40 días (8 semanas) había aprendido a comprar el jueves y en la prueba durante 10 días (2 semanas) estaba comprando casi cada barra de jueves y estaba ganando. Y otros días no negoció o sólo hizo tratos aislados.
Conclusión: Tengo que quitar el día de la semana para que mi comercio sea uniforme. Ahora estoy probando sin ella y veremos qué pasa.
Pero fui eliminado puramente por el sentido común, la automatización consideró este predictor muy importante.
Así que es un poco exagerado confiar en la automatización... Aunque es posible que el día de la semana sea lo único que puedas ver y entender manualmente, algo más fino podría no ser perceptible
Sobre la selección del predictor...
Añadido inicialmente al modelo - día de la semana. Miré el trading de la mejor variante y resultó que había aprendido durante 40 días (8 semanas) a comprar los jueves y en la prueba durante 10 días (2 semanas) casi todas las barras de los jueves compraba y ganaba. Y otros días no negoció o sólo hizo tratos aislados.
Conclusión: Tengo que quitar el día de la semana para que mi comercio sea uniforme. Ahora estoy probando sin ella y veremos qué pasa.
Pero esta eliminación se basa puramente en el sentido común, la automatización ha considerado este predictor muy importante.
Así que es un poco arriesgado confiar en la automatización...
Si una variable no es importante, basta con eliminarla para no generar una dimensionalidad innecesaria
La importancia no estriba en si el modelo funcionará en el futuro, sino en lo bien que las características del momento describen el objetivo
Por otro lado, para NS o Deep NS la selección de características no es muy importante en absoluto, simplemente da menos pesos y las características adicionales no tienen casi ningún efecto. El ajuste adicional es bueno, por supuesto, pero es el satanismo de datos para las estadísticas y no es adecuado para las desventajas y dará 5-7% de aumento de la calidad que no es nada
En sí, la selección de predictores en Forex es casi una pérdida de tiempo, la importancia variará de un conjunto a otro. IMHA
Por otro lado, para NS o Deep NS la selección de rasgos no es muy importante en absoluto, sólo arroja pesos más pequeños y los rasgos adicionales no tienen casi ningún efecto. El ajuste adicional es ciertamente bueno, pero es el satanismo de los datos para las estadísticas, no es adecuado para el hándicap
En mi ejemplo, el jueves resultó ser muy bueno para comprar (en el intervalo de 50 días) y aparentemente NS asignó al día de la semana el mayor peso. Funcionó, pero creo que comprar en todos los bares los jueves es un error. Después de todo, las cosas pueden cambiar, tenemos que buscar patrones más profundos.
Tal vez un año de aprendizaje... Pero tardará 6 o 7 veces más. Entonces quizá el día de la semana pierda importancia.
En mi ejemplo, el jueves resultó ser un muy buen día de compras (en el intervalo de 50 días) y, aparentemente, el NS dio al día de la semana la mayor ponderación. NS ganado, pero creo que comprar en todos los bares los jueves es un error. Después de todo, las cosas pueden cambiar, tenemos que buscar patrones más profundos.
Puede cambiar, sí :) o bien necesitas una muestra mayor o bien reciclarte y evaluarte... Yo hago lo segundo. La última carrera, por así decirlo :)
También hay que estudiar la frecuencia de los gaps, recuerdo el gráfico del JPY como si se utilizara un hacha para trocear la subida de las cotizaciones. Entonces, cómo comerciar. Estas amplitudes superiores a 1000 pips deben ser estructuradas (por los niveles de volatilidad de los gaps) y se debe calcular la probabilidad de que se repitan. La probabilidad es alta - el Asesor Experto duerme en este gráfico. O bien, puede captar el aumento de la probabilidad de la brecha y, sabiendo qué camino tomará, utilizar las órdenes pendientes para tratar de montarla. También es importante estudiar lo que ocurre antes de la brecha -porque está claro que está hecha por el hombre-, así que hacen trampas antes de la brecha para concentrar las órdenes en la dirección opuesta a la de la brecha que se avecina. Añadido.
Y estoy de acuerdo con lo del plató. Pero el conjunto para cada plazo es diferente. Por minutos es un día, por una hora un mes, etc. ¿O te refieres al patrón rentable de comportamiento de las cotizaciones, que se da con más frecuencia? Entonces sí - un conjunto será medido por el tiempo de la creación de este "patrón"
Y aquellos valores del historial de cotizaciones o sus predictores (según entiendo son patrones repetitivos de comportamiento de las cotizaciones en el gráfico), que están más cerca de la fecha actual, deberían tener un mayor peso, es decir, el historial de 1 año sólo interesa para buscar estos predictores - los patrones repetitivos de comportamiento de las cotizaciones "de beneficio" para el conjunto de predictores y darles un peso según su frecuencia de detección en el historial de cotizaciones. La segunda ponderación debería aumentar el estatus del predictor en función de la proximidad a los últimos eventos del gráfico.
Es como si Mendeleev se despertara y contara todo desde el sueño. Yo tampoco entiendo nada al respecto))) Buena suerte, estamos esperando los resultados.
100% anual y estabilidad en el comercio. No necesito nada más. No exageres.
predictor
El 100% p.a. no es suficiente, se necesita un mes :)
Sobre la selección de predictores...
Añadido inicialmente al modelo - día de la semana. Observé el comercio de la mejor variante - resultó que en 40 días (8 semanas) había aprendido a comprar el jueves y en la prueba durante 10 días (2 semanas) estaba comprando casi cada barra de jueves y estaba ganando. Y otros días no negoció o sólo hizo tratos aislados.
Conclusión: Tengo que quitar el día de la semana para que mi comercio sea uniforme. Ahora estoy probando sin ella y veremos qué pasa.
Pero esta eliminación se basa puramente en el sentido común, la automatización ha considerado este predictor muy importante.
Así que es un poco exagerado confiar en la automatización... Aunque es posible que el día de la semana sea lo único que puedas ver y entender manualmente, algo más fino podría no ser perceptible
no... después de borrar el día de la semana, sigue siendo el mismo. Hay 5 barras diarias como contexto, tal vez de ahí viene... Tengo que probar sin ellos.
significa que tiene poco efecto... ¿cómo puedo entender sin él? ) Sólo si se barajan los valores de cada uno de los predictores sucesivamente, y se vuelve a entrenar y se observa cómo cambia el error total
sólo que podría ser una sorpresa que los datos barajados al azar de repente resulten ser muy importantes :) + mucho tiempo si hay muchas características. Así que sin características es una tarea sisífica