L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 238
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
J'ai maintenant fait une sélection adéquate des paramètres du modèle, formé, prédit, et j'ai obtenu 0.69102. Avec le dernier jeu de données, il était de 0,69121, cette semaine est meilleure, mais c'est dû au hasard, le modèle est essentiellement le même. La semaine prochaine, il me jettera à nouveau à +-0.0002 quelque part.
Pour moi, c'est la limite pour l'instant, mon modèle est entraîné sur 21 prédicteurs initiaux sans aucune astuce. Pour le forex, par exemple, je télécharge différents indicateurs depuis le terminal et je sélectionne leurs paramètres. C'est-à-dire que j'obtiens des milliers d'indicateurs à partir de 4 prédicteurs (ohlc), puis je les tamise, ne laissant que trente morceaux et j'enseigne le modèle.
Je leur ai envoyé un autre fichier avec toutes les prédictions=0.5, score = 0.69315, vous pouvez l'utiliser pour la comparaison.Idéalement, je devrais faire des milliers de ces 21 prédicteurs numéraires et éliminer les éléments inutiles. Mais les indicateurs fonctionnent avec des rangées d'ohlc, mais pas avec des rangées aussi uniformément espacées, je devrais réfléchir à la façon de générer plus de nouveaux indicateurs à partir d'eux.
Non....
Je vois, alors je vais arrêter d'encombrer le fil de discussion.
Je vais devoir trouver un moyen d'en générer d'autres à partir d'eux.
J'ai maintenant fait une sélection adéquate des paramètres du modèle, formé, prédit, et j'ai obtenu 0.69102. Avec le dernier jeu de données, c'était 0.69121...
et j'ai tout perdu, c'est pire, 0.69120 minimum sur RF, j'ai essayé MLP mais ça ne marche pas du tout.
SZS regardez ici rub les postes sur une sorte d'algorithme bizarre((
Je ne sais pas quoi faire d'eux, mais ils le font tous.) Et tous se terminent de la même façon. C'est normal + et le forum est depuis longtemps un bazar. Et l'expérience peut être faite.
D'autant plus qu'elle comporte aussi des aspects positifs. Il suffit de regarder comment les arbres sont construits sur les randoms et le BP. Comment seront les modèles-ts
Sur des randoms différents. Et ainsi de suite. Il y a dix ans, je mettais dans les grilles à la fois le mei et l'astroinduki, et les données sur les marées dans différents ports du monde, ainsi que les trajectoires migratoires des
d'animaux, etc. auxquels une personne normale ne penserait pas). Écrivez et utilisez ce que vous voulez, mais ne tirez pas de conclusions hâtives.
#Sgenerate random, au moins 10K observations
write.csv2(x, file = "D:/1.csv", row.names = FALSE, quote = FALSE) #écriture dans le fichier 1.csv sur le disque D:/
-----------
Quelle fenêtre))) D'ailleurs ce chelong est inutile, mais il y a des moments intéressants. Par exemple, la façon dont les concurrents téléchargent les données d'étalonnage,
ce qui nous permet de spéculer sur le prétraitement des données utilisé par les auteurs de la tâche...
Forrest est parti depuis longtemps, c'était seulement dans les deux premiers posts, puis j'ai écrit que j'ai commencé à sélectionner des motifs "à ma façon" de la manière que j'ai décrite lors de la recherche de bons clusters - aka motifs...
Je joins le modèle.
Il s'agit d'un cohonien formé
vous lui donnez les 10 dernières valeurs médianes des prix
MD <- prix médian
MD <- scale(MD,T,T) # normaliser comme ceci
library(SOMbrero) # exécuter le paquet avec le cohonen
MD[is.na(MD)] <- 0 # remplacer les NAs possibles
pred <- predict(model,MD) pred cluster
si le cluster est le numéro 41 (pred==41)alors c'est un achat, stop prendre au goût...
essayez-le, peut-être que ça marchera pour vous
Je pense, mais je n'arrive pas à en trouver un)) , Qui a des pensées....
nous avons deux configurations de bougies
D'après l'image, il est clair qu'en fait la figure de chandelier est la même, la différence réside dans la volatilité, comment pouvons-nous mathématiquement ramener ces deux figures à la même figure ?
Vous pouvez dire que oui, nous devrions le normaliser, mais le point zéro se déplace, et c'est important ...
comme sur la photo.
Juste pour expliquer, imaginez que nous voulons connaître la couleur des chandeliers actuels, précédents et antérieurs ce que nous faisons :
close-open, close[-1]-open[-1], close[-2]-open[-2]
Nous obtenons un graphique comme l'image "1", tout est clair et net, tout ce qui est au-dessus de zéro est une bougie blanche, tout ce qui est en dessous de zéro est une bougie noire.
Résolvons maintenant le problème de la volatilité (celui qui est apparu dans le premier graphique). Nous devons normaliser le graphique dans une certaine plage, comme le montre l'image "2" , mais après la normalisation, nous obtenons un nouvel axe zéro qui ne contient aucune information.
Comment normaliser les données pour que "zéro soit juste" et que le problème de la volatilité soit résolu ? qu'en pensez-vous ?
comment normaliser les données de manière à éliminer à la fois le problème du "zéro est juste" et celui de la volatilité ? qu'en pensez-vous ?
Je l'ai fait de cette façon -
Au total, vous avez 8 points sur le tableau - O(0), H(0), L(0), C(0), O(1), H(1), L(1), C(1).
En outre, ces points O(0), H(0), L(0), C(0), O(1), H(1), L(1), C(1) peuvent se voir attribuer les valeurs sérielles 1,2,3,4,5,6,7,8.
OHLC - ouverture, haut, bas, fermeture
(0) et (1) - numéro de barre
Ces points peuvent être classés par ordre décroissant de prix sur le graphique, du plus élevé au plus bas - H(0), H(1), O(0), C(1), L(0), C(0), O(1), L(1).
Et maintenant H(0), H(1), O(0), C(1), O(0), L(0), O(1), L(1) peuvent être transformés en un vecteur (2, 6, 1, 8, 3, 4, 1, 7), et ils peuvent être normalisés à 0-1 si nécessaire.
Et il s'avérera que les deux tracés auront le même "modèle" (2, 6, 1, 8, 3, 4, 1, 7), qui décrit l'ordre dans lequel ces points descendent dans le tracé.
Malheureusement, je n'ai pas été en mesure d'en tirer un quelconque avantage. Avec seulement 2 bougies, il peut y avoir 40320 modèles. Trois bougies = (4*3) ! = 479001600 motifs, etc. En réalité, elle sera inférieure, car, par exemple, H est toujours supérieur à O, H, L dans la même bougie, et C est inférieur. Mais le nombre de modèles est encore énorme.
C'est-à-dire que l'on peut attribuer un vecteur de nombres à toute configuration de chandeliers et l'utiliser pour détecter des configurations similaires à l'avenir. Mais le nombre de configurations possibles obtenues de cette manière est tellement énorme qu'il est probablement impossible de trouver un modèle graphique après lequel le prix ira toujours à la hausse ou à la baisse. Dans la stratégie "Fractales de Bill Williams", par exemple, le modèle se compose de 5 bougies et seules quelques combinaisons de tous les milliards possibles sont échangées.
Voici un peu plus clair dans l'image, par exemple pour 3 chandeliers.
Non merci))) J'ai seulement suggéré les aléas de différentes machines...
Vous n'avez pas l'idée, je peux générer du bruit et moi-même quelques fois et n'ont pas besoin de le pousser sur différentes machines)
L'essentiel de l'idée est la suivante.
Je forme le MO pour les renversements et il n'y a pas tant de renversements dans l'histoire des citations... Les cotations évoluent par vagues (waves) et en fait, si vous y réfléchissez, le nombre de variantes de retournement est assez sûr, il s'agit de différentes mutations de têtes et épaules, de doubles tops, de triples tops, etc.Et ces chiffres apparaissent non pas parce qu'ils ont une quelconque influence mythique sur le marché, mais parce que les variantes mêmes du renversement sont finies dans les mouvements de vagues, soit comme ceci ou comme cela, ou rien d'autre, et en fait si nous construisons un graphique du marché ou du cumulatif Random, ou quelque chose comme cela avec la structure des vagues, nous verrons que les renversements se produisent avec les mêmes chiffres, les mêmes têtes et épaules seront en Random....
Donc ici, dans cet article qui a été lancé par D. Trader, l'auteur nous a dit qu'il est possible de générer un échantillonnage similaire pour le réseau, en plus de l'échantillonnage que nous avons déjà et par cela nous augmentons la base de connaissances du réseau et donc la précision du réseau.
Comme il n'y a pas beaucoup de renversements sur le marché, j'ai compris que je pouvais obtenir une base de connaissances infinie de renversements grâce à la randomisation cumulative...
Vous voyez ? Je ne cherche pas un pouvoir mythique qui puisse prédire le marché ))))). Et en testant cette théorie, j'ai obtenu le résultat, que j'ai posté, car je pense que le résultat est optimiste.
Comment normaliser les données pour rendre le zéro équitable et éliminer le problème de la volatilité ?
C'est comme ça que je l'ai fait -
Merci, je vais essayer....
Je l'ai fait de cette manière : ...........
Si je comprends bien, la méthode est trop grossière...
Prenons le modèle de bougie simple le plus simple.
Nous avons trois modèles.
ils s'inscrivent tous dans un schéma logique
O<H , O<C , O>L
H>O , H>C , H>L
C>O , C>L , C<H
L<O , L<C , L<H
Si je comprends bien, votre méthode classe les trois chandeliers comme une seule figure, ce qui n'est pas bon...
comment normaliser les données de manière à éliminer à la fois le problème du "zéro est juste" et celui de la volatilité ?%?
comment avez-vous calculé la différence exactement ?
par exemple la différence entre le haut et le bas
a = élevé
b = Fermer
(a*100)/b donc ?
je n'ai pas pu le faire de cette façon, le réseau est un enfer, même les couleurs des chandeliers sont confuses
Si je comprends bien, la méthode est trop grossière.