L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 108
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Dans la continuité de ma petite publication https://www.mql5.com/ru/forum/86386/page98 sur l'analyse du spectre et l'adaptation aux paramètres réels du marché.
J'ai fait une petite expérience, juste pour renforcer la théorie avec la pratique, l'essence de l'expérience est de vérifier si l'indicateur sera plus efficace si à chaque fois vous changez la période de l'indicateur à celle qui est objectivement présente dans le marché.
l'indicateur a pris le "RSI" (juste par chance), les règles de négociation sont élémentaire plus de 70% vendre, acheter moins de 30%, stupide commerce inverses, pas de stops
Au début, j'ai pris l'indicateur RSI habituel avec une période de 14 (cette période est la plus courante dans tous les livres et articles) juste pour le comparer avec quelque chose
l'indicateur n'a pas perdu, je suis honnêtement surpris ....
maintenant le RSI adaptatif
conclusions : l'approche adaptative est beaucoup plus efficace que l'approche habituelle.
1) Mais, en fait, il n'existe pas de "formation" et de "coaching". Toutes sortes de validations croisées et de contrôles OOS ne donnent pas et ne peuvent pas donner l'effet attendu d'eux. Le fait est que ces astuces ne sont rien d'autre que la recherche et le choix des valeurs qui fonctionnent de manière approximativement satisfaisante à la fois dans la zone d'apprentissage et dans la zone de test, c'est-à-dire que cet ensemble de paramètres existe déjà au départ parmi toutes leurs variantes possibles, et cela revient à choisir toute la zone d'historique en une seule fois.
2) Néanmoins, l'utilisation de deux modèles (dans mon cas, deux grilles) est, à mon avis, le meilleur qui puisse être appliqué parmi les méthodes d'"apprentissage automatique" actuellement disponibles. Il ne s'agit pas de formation ou de coaching, mais d'un moyen d'optimiser le modèle.
3) L'apprentissage réel n'existe pas actuellement. Reconnaître des schémas identiques ou similaires n'est pas le résultat d'un apprentissage, mais d'une mémorisation. L'apprentissage doit impliquer un certain type de processus de pensée (aussi primitif soit-il) permettant de raisonner et de tirer des conclusions lorsqu'on reçoit de nouvelles informations, ainsi que la capacité de générer de nouvelles informations de manière indépendante. Le marché exige justement une telle approche - une réflexion qui, à ma connaissance, n'existe pas aujourd'hui. Et ce que nous utilisons aujourd'hui, c'est la mémorisation, pas la réflexion, malheureusement.
1) La pensée est profonde et correcte. Mais pas complet.
TQ (crossvalid.) consiste à apprendre et à tester les mêmes paramètres, sur des sites de formation et de test différents. Même sur 10 fautes différentes. Si la machine apprend du bruit, la mesure de la qualité moyenne sera faible. La méthode elle-même est très forte.
Mais si les données sont bruyantes, il peut y avoir un ajustement CV, ce dont vous parlez, mais vous ne terminez pas la réflexion en termes techniques et vous vous embourbez dans le pessimisme. Le CV imbriqué existe depuis longtemps. Tous vos modèles sélectionnés peuvent être validés sur des données uniques hors échantillon. Si les résultats sont cohérents, le modèle est bon, sinon, il est mauvais. Tout est soluble.
2) La raison pour laquelle c'est le cas n'est pas claire.
3) Il l'est. Mais l'apprentissage automatique est une industrie qui repose sur une compréhension généralisable. La lutte contre le sur-apprentissage représente 90 % de l'effort.
Les "badass de la machine" en tiennent compte. L'heure est introduite à l'entrée de la machine. En outre, le prix se comporte différemment non seulement la nuit, mais aussi selon les sessions.
"Les garçons Manin... Cool !
C'est une bonne chose à prendre en compte. En lisant le fil de discussion, je n'ai pas remarqué de mention à ce sujet et j'ai pensé que je devais partager mes réflexions. Il est vrai que je n'ai pas trouvé de signes caractéristiques clairs permettant d'identifier les sessions individuelles, et je n'applique donc que la limitation de l'horloge, de maintenant à maintenant.
2) La raison de cette situation n'est pas claire.
Dans la continuité de ma petite publication https://www.mql5.com/ru/forum/86386/page98 sur l'analyse du spectre et l'adaptation aux paramètres réels du marché.
J'ai fait une petite expérience, juste pour renforcer la théorie avec la pratique, l'essence de l'expérience est de vérifier si l'indicateur sera plus efficace si à chaque fois vous changez la période de l'indicateur à celle qui est objectivement présente dans le marché.
l'indicateur a pris le "RSI" (juste par chance), les règles de négociation sont élémentaire plus de 70% vendre, acheter moins de 30%, stupide commerce inverses, pas de stops
Tout d'abord, j'ai pris un indicateur RSI ordinaire avec une période de 14 (cette période est la plus courante dans tous les livres et articles), juste pour le comparer avec quelque chose...
l'indicateur n'a pas perdu, je suis honnêtement surpris ....
maintenant le RSI adaptatif
Conclusion : l'approche adaptative est beaucoup plus affective que l'approche conventionnelle.
J'ai suivi le lien mais je n'ai pas compris comment changer dynamiquement la période de l'indicateur.
Veuillez expliquer plus en détail.
Dans la continuité de ma petite publication https://www.mql5.com/ru/forum/86386/page98 sur l'analyse du spectre et l'adaptation aux paramètres réels du marché.
J'ai fait une petite expérience, juste pour prouver la théorie par la pratique, l'essence de l'expérience est de vérifier si l'indicateur sera plus efficace, si vous changez la période à chaque fois à celle qui est présente sur le marché.
J'ai suivi le lien, mais je n'ai pas compris comment changer dynamiquement la période de l'indicateur.
Veuillez expliquer plus en détail.
En ce qui concerne l'adaptation, tout est clair. Et d'où vient la période "qui est maintenant objectivement présente sur le marché" ?
L'avantage est une diminution du nombre de transactions au fil du temps depuis que l'on a commencé à négocier sur OOS, et non une augmentation du pourcentage de signaux erronés. De plus en plus souvent, il y a des contradictions entre les réseaux, au même moment l'un dit de vendre et l'autre d'acheter et c'est le signal 0, c'est-à-dire qu'au lieu d'enregistrer des pertes sur des données totalement inconnues, le modèle arrête de trader.
l'idée est intéressante.
Ato.
En fait, j'utilise cet effet dans les graphiques de validation comme un indicateur de l'exactitude de la formation, plutôt que le ratio des réponses correctes/incorrectes (erreur). Il s'agit d'une propriété commerciale importante et d'un indicateur de la qualité de l'apprentissage. Si un modèle donne des signaux erronés sur les OOS - c'est une indication d'une formation erronée, et non le fait que le marché change.