L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 262
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Ilfaut déterminer les canaux, chacun formera les signes lui-même, je suggère une deuxième "tranche" pour nos futures : flippers par seconde bid, offer, tick average par seconde, delta dans la pile, le volume des achats et des ventes, séparément et changement de l'intérêt ouvert, pour les paires de devises forex flippers bid, offer, tick average, pour les indices étrangers prix et changement par jour exemple dans la pièce jointe.
La première chose à faire est de traiter une ou deux lignes, quelques caractéristiques et une cible sur une petite série (1000-10000 échantillons), puis de commencer avec 100500 caractéristiques et cibles.
Par exemple, prenons l'euro et le yen à Bx sur une minute avec MT, puis ajoutons 2 à 3 TRIX (RSI, Stochastique, ..., etc.) comme caractéristiques et ZZ comme cible et comprenons en détail comment cela fonctionne (ou ne fonctionne pas) et pourquoi. Au besoin, nous ajouterons des séries, des caractéristiques et des cibles, en appréciant la croissance du modèle de performance, jusqu'à ce qu'il atteigne une certaine limite. Il est toujours plus facile de passer à l'échelle supérieure lorsqu'il existe un prototype transparent, mais vous ne pouvez pas vous débrouiller avec un tas de lignes à la fois, il y a de nombreux degrés de liberté, en règle générale, cela se termine par la configuration irréfléchie d'un tas de paramètres sans compréhension claire de l'essence du processus.
Tout d'abord, vous devriez traiter une ou deux lignes, quelques caractéristiques et une étiquette, sur une petite ligne (1000-10000 échantillons), puis créer 100500 caractéristiques et étiquettes.
Puisque nous avons commencé à partager notre sagesse, je dirais que la première chose à faire est de vous poser les questions suivantes
1) ce qui anime le marché
2) comment on peut le prévoir
3) comment lutter contre la non-stationnarité.
Mais regrouper tous les indicateurs qui ne fonctionnent pas, et le ME lui-même ne le comprendra pas, croyez-en mon expérience, pas même ...... (De plus, j'ai des "fonctionnalités" très fonctionnelles mais je ne peux pas encore apprendre au MO à comprendre ces "fonctionnalités") ;) Je ne peux même pas parler d'indicateurs sans aucune propriété prédictive.
Pendant que nous partageons notre sagesse, je dirais que la première question à poser est la suivante
1) ce qui anime le marché en général
2) comment on peut le prévoir
3) Comment lutter contre la non-stationnarité
Mais regrouper tous les indicateurs qui ne fonctionnent pas, et le ME lui-même ne le comprendra pas, croyez-en mon expérience, pas même ...... (De plus, j'ai des "fonctionnalités" très opérationnelles mais je ne peux pas encore apprendre au MO à comprendre ces "fonctionnalités")) sans parler des indicateurs qui n'ont aucune propriété prédictive
"Ce qui fait tourner le marché" - il s'agit de modèles du domaine concerné.
"Non-stationnarité" sont des modèles de séries chronologiques.
Il s'agit de deux approches qui ne se chevauchent pas.
Il s'agit de deux approches qui ne se chevauchent pas.
Je ne les croise pas, mais pour prédire le marché, il faut répondre à ces questions, à moins d'être un initié.
Si vous utilisez des modèles de séries chronologiques, pourquoi avez-vous besoin de savoir "ce qui fait bouger le marché" ?
Pour les modèles de séries chronologiques, toutes les informations dont vous avez besoin se trouvent dans le prix.
Si vous utilisez des modèles de séries chronologiques, pourquoi voudriez-vous savoir "ce qui motive le marché" ?
Pour les modèles de séries temporelles, toutes les informations dont vous avez besoin se trouvent dans le prix.
Répondez pourquoi un MO entraîné sur unesérie temporelle de marché ne se comporte pas de manière adéquate sur de nouvelles données ?
En cherchant une réponse à cette question, nous devrons traiter la question "qu'est-ce qui anime le marché" et résoudre le problème de la non-stationnarité, en bref, tout ce que j'ai mentionné ci-dessus n'est pas nouveau.
Pourquoi un MdD formé sur une série chronologique de marché ne se comporte-t-il pas de manière adéquate sur de nouvelles données ?
Pour trouver une réponse à cette question, nous devons nous pencher sur "ce qui motive le marché" et aborder les problèmes de non-stationnarité, bref, tout ce que j'ai mentionné ci-dessus, rien de nouveau.
Parce que les données ne sont pas stationnaires.
Quel est l'intérêt d'entraîner un modèle sur un ensemble de séries si les caractéristiques temporelles de ces séries sont complètement différentes sur un autre ensemble ?
Parce que les données ne sont pas stationnaires.
Quel est l'intérêt d'entraîner un modèle sur un morceau d'une série si les caractéristiques temporelles de la série sont complètement différentes sur un autre morceau ?
C'est vrai, mais ce n'est que la moitié du problème, c'est purement un problème de non-stationnarité.
Mais il ya une autre question - si les données du marché de faire statsionarnymi il s'avère que de toute façon, ils ne peuvent pas prédire, au moins en frappant, voici la deuxième question "ce qui fait le marché".
C'est vrai, c'est vrai, mais ce n'est que la moitié du problème, c'est purement une question de non-stationnarité qui est résolue.
Mais il y a une autre question - si les données du marché pour faire statsionarnymi il s'avère que de toute façon ils ne sont pas prévisibles au moins à un coup d'œil, c'est là où la deuxième question "ce qui conduit le marché" vient dans
Et comment la question de la non-stationnarité est-elle résolue ?
J'ai personnellement résolu le problème avec dtw, maintenant j'ai trouvé une chose intéressante avec l'analyse spectrale, en particulier "SSA", bien que si vous savez comment le faire, je pense que Fourier ou "PCA" feront l'affaire.
Vous voyez, je n'essaie pas de rendre le prix statsionarnaya, j'utilise juste les méthodes qui sont "immunisées" contre le non-statsionarnosti.