Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 944
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
Ayer también hice un conjunto para 2017 - también hay dentro del 30% de datos correctos, pero lo que me sorprende es que obtengo resultados similares en diferentes conjuntos de predictores (los dividí en dos grupos). Me pregunto, ¿es el azar, o simplemente una oportunidad para utilizar el bosque?
No hay necesidad de mirar la precisión, es una mala métrica, especialmente cuando hay muchas clases. Por ejemplo, el 50% de todas las muestras en el caso en que entrené el último árbol son de clase "0". El árbol podría devolver siempre "0" en todos los casos y ya acertar en el 50% de los casos (en lugar del 33% aleatorio), el resultado parece ser mejor que el aleatorio, pero es obvio que el árbol es inútil.
Mejor métrica por ejemplo -https://en.wikipedia.org/wiki/Cohen's_kappa
Es mejor hacer la fusión desde el último archivo adjunto - allí la división es un poco más precisa 0 - todo lo que no hizo beneficio, y en los archivos anteriores 0 es también lo que hizo un beneficio muy pequeño.
Mejor hacerlo tú mismo. Hay dos targetets, cada uno con un montón de clases, no quiero confundirme.
Necesito un targetet con 3 clases -
"-1" para entrar en corto.
"1" para la entrada larga.
"0" si tanto las posiciones largas como las cortas son negativas (o ambas son positivas, si es que lo son)
Es más fácil entrenar un árbol así que entrenar 4 como antes. Y es más fácil comerciar con él.
Sin embargo, lo que me sorprendió fue que al aumentar el número de objetivos la clasificación funcionaba mejor fuera de la muestra de entrenamiento. ¿Tal vez debería aumentar el número de clasificaciones diferentes?
Hay que comprobarlo muchas veces. Si se confirma, es genial. Quizás, el árbol aprenda a identificar bien ciertas clases, por ejemplo, el beneficio de al menos 100 puntos o algo similar. Entonces será posible hacer nuevos objetivos con esa lógica para la cuenta real.
Por ejemplo, podemos crear diez clases - "0" si la posición larga se pierde en cualquier caso, "1" si la posición larga se gana de 0 a 100 puntos. "2" si el beneficio largo está entre 100 y 200 pips. "-1" si el beneficio corto es de 0 a 100 pips. "-2" si el beneficio de los cortos está entre 100 y 200 pips. etc. Entonces, mediante la tabla resumen de respuestas correctas e incorrectas podremos ver si alguna clase será claramente mejor que las demás.
p.d. Yo nunca lo he hecho. Tal vez esté diciendo tonterías. Pero si te metes en los árboles y en un montón de clases, entonces tal prueba es una continuación lógica del experimento.
PD: Puedo darte acceso a mi portátil a través de TW para que no agobies tu PC.
No lo necesito ahora, tengo algunos scripts de R desordenados ahí, estoy probando diferentes métodos de selección de parámetros. Si finalmente algo se ajusta, y el resultado será mejor que en su programa - Voy a adjuntar el script aquí y usted puede seguir experimentando.
No entiendes el punto, no está en ese nivel de abstracción, olvídalo).
No se trata del nivel, sino del tema. Un patrón es una reacción similar a un factor externo (irritante), en nuestro caso, por ejemplo, si el precio ha subido X puntos, la probabilidad de que pronto corrija es más alta que no. O bien, cada 5 velas alcistas en una fila de velas pequeñas indica una alta probabilidad de una gran vela bajista, que se solapará con al menos 3 de las velas alcistas. Pero si la probabilidad de estos eventos cambia, entonces para mí es un cambio en el patrón, y entonces el ST deja de funcionar.
¿Pero su visión es diferente?
¿Tienes una visión diferente?
Ya he descrito mi visión lol
Y no es sólo una visión, es una realidad. Depende de cada uno aceptarlo o no.
el nivel de abstracción - no un palo de escabeche, sino por qué los patrones cambian en el mercado y con qué periodicidad, causa y efecto. Estoy cansado de repetirme.
No necesito mirar la precisión, es una mala métrica, especialmente cuando hay muchas clases. Por ejemplo, en el caso en el que entrené el último árbol, el 50% de los ejemplos son de clase "0". El árbol siempre puede devolver "0" en todos los casos, y acertará en el 50% de los casos (en lugar del 33% aleatorio), el resultado parece ser mejor que el aleatorio, pero es obvio que el árbol es inútil.
Una métrica mejor seríahttps://en.wikipedia.org/wiki/Cohen's_kappa, por ejemplo.
Luego sacaré todas las reglas de los dos modelos y veré cuál es el resultado si sumo los dos modelos. Ahora he puesto una red en formación por si interesa, quizás coja algo, pero ya lleva 12 horas cogiendo, ¿es eso normal en las redes?
Es mejor hacerlo uno mismo. Hay dos targetets, cada uno con un montón de clases, no quiero confundirme.
Necesito un objetivo con 3 clases -
"-1" para entrar en corto
"1" para la entrada larga
"0" si tanto el largo como el corto son negativos (o ambos son positivos, si es que lo son)
Es más fácil entrenar un árbol así que entrenar 4 como antes. Y es más fácil operar con él.
Muy bien, lo haré pronto y lo publicaré aquí.
Esto tiene que ser probado repetidamente, si se confirma, entonces genial. Tal vez el árbol aprenda a identificar bien determinadas clases, por ejemplo, el beneficio de al menos 100 puntos, o algo similar. Entonces será posible hacer nuevos objetivos con esa lógica para la cuenta real.
Por ejemplo, podemos crear diez clases - "0" si el largo está perdiendo en cualquier caso, "1" si el largo está ganando de 0 a 100 puntos. "2" si el beneficio largo está entre 100 y 200 pips. "-1" si el beneficio corto es de 0 a 100 pips. "-2" si el beneficio de los cortos está entre 100 y 200 pips. etc. Entonces, mediante la tabla resumen de respuestas correctas e incorrectas podremos ver si alguna clase será claramente mejor que las demás.
p.d. Yo nunca lo he hecho. Tal vez esté diciendo tonterías. Pero si lo tienes con árboles y muchas clases, entonces esta prueba es una continuación lógica del experimento.
Creo que el árbol funciona por eliminación, es decir, si encuentra 1, entonces todo el resto 0, pero cuando hay más variantes empieza a clasificar los ceros restantes, en lugar de amontonarlos, lo que reduce el error (pero esto es mi hipótesis). Y para ayudarle a clasificar estos otros 2,3,4 creo que para añadir un predictor que indicará no sólo el resultado financiero de la entrada, pero sobre la base de los otros predictores disponibles formará la señal a la entrada, entonces debe haber retroalimentación, es decir, creo que para añadir diferentes justificación de las entradas y su resultado financiero. La dificultad aquí será en caso de entradas conflictivas por parte de diferentes TS, tal vez sólo poner esta situación en un grupo separado.
Estoy probando diferentes métodos de selección de parámetros. Si algo va a funcionar finalmente, y el resultado será mejor que en su programa - Voy a adjuntar el guión aquí, usted puede seguir experimentando.
Si lo necesitas, por favor, házmelo saber, mientras el hardware está inactivo de todos modos.
Ya he descrito mi visión lol.
Y no es sólo una visión, es una realidad. Depende de cada uno aceptarlo o no.
el nivel de abstracción: no el palo de la escabechina, sino por qué cambian los patrones en el mercado y con qué periodicidad, causa y efecto. Estoy cansado de repetirme.
Así que le contesté que la herramienta muestra tonterías y se centra en las tendencias, lo cual no es cierto.
Así que le contesté que la herramienta mostraba tonterías, centrándose en las tendencias, lo cual es un error.
acordado
acordado
Es decir, los ciclos pueden estar ahí, sólo que la herramienta no es la misma, es una percepción visual.
Por favor, dime si tiene 1001 criterios y estoy equivocado. No tiene sentido rebatir, he dicho sobre mi percepción visual, si estoy equivocado, me gustaría saber si estoy equivocado.
Es decir, los ciclos pueden estar ahí, sólo que la herramienta no es la misma, es una percepción visual.
Por favor, dime si tiene 1001 criterios y estoy equivocado. No tiene sentido que discuta, he dicho mi percepción visual, si estoy equivocado me gustaría saber que lo estoy.
He mostrado algunas publicaciones periódicas reales, y la descomposición las define también
Vladimir Perervenko utiliza el análisis espectral, que es muy similar
cómo usarlo en la práctica, que cada uno tenga una imaginación creativa enfermiza, porque no voy a dar consejos hasta que el grial esté terminado
He mostrado algunas periodicidades reales, y la descomposición las determina también
Vladimir Perervenko utiliza el análisis espectral, que es muy similar al
Cómo utilizarlo en la práctica, que cada uno utilice su enfermiza fantasía creativa, porque no voy a dar consejos hasta que el grial esté hecho.
¿Cree que estos ciclos existen en la pequeña TF? Echemos un vistazo, ¡habrá más bares allí!