L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 311
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
Encore une fois, je dis cela à ceux qui veulent et essaient de comprendre, ceux qui sont dans le domaine, si vous avez quelque chose à dire, alors dites quelque chose d'intelligent ou au moins sur le sujet !!!!.
Et quel est le mode opératoire ? ) J'étais trop timide pour demander.
Apprentissageautomatique
Maintenant je vois pourquoi tu ne pouvais pas saisir ce dont Gerchik parlait. La bouilloire ne bout pas :).
Il est trop tôt pour regarder et revoir ses cours, commencez par le merveilleux livre "The Stock Market Grail or Adventures of the Trader Pinocchio", c'est un bon point de départ pour votre niveau.
Tous, Padawans dans la liste noire, déjà spammés :)
Vous devriez au moins lire attentivement ce livre, puis vous salir et remplir les listes noires. Je ne sais pas quoi en faire.
Vous devriez au moins faire quelques transactions rentables d'abord et ensuite donner des conseils... Ou commencer par un chauffeur de taxi, passer de personne à grand gourou... Parce que ce soldat est mauvais...
PS : Savez-vous où travaille Muhanchikov ?
Qu'est-ce que le MO ? ) J'étais trop timide pour demander.
L'apprentissage automatique est quelque chose comme...
Quelques constatations intéressantes faites au cours des derniers mois...
1) Classification ou régression ?
Il semble qu'il y ait régression après tout. J'ai souvent pris l'incrément de la barre suivante comme cible pour l'entraînement du modèle dans les exemples de code ici, et je l'ai arrondi à -1 et 1 (c'est-à-dire la couleur de la barre, ou la hausse/baisse du prix), de sorte que la classification peut ensuite être utilisée. Récemment, j'ai comparé les résultats de la formation et de la prédiction de différents modèles avec et sans arrondissement de la cible (classification) et avec régression ; d'une certaine manière, j'ai obtenu de meilleurs résultats avec la régression. Mais les moyens standards d'évaluation des modèles de régression tels que le R^2 ne me convenaient pas, je construis un graphique d'équilibre pour estimer le modèle lors des transactions et calculer le facteur de récupération.
2) Estimation du modèle à l'aide de nouvelles données.
J'ai en quelque sorte pris l'habitude des conseillers experts du marché qui, lorsqu'on les optimise, permettent d'obtenir une ligne de croissance des moyens presque idéale et d'obtenir une ligne tout aussi belle sur les nouvelles données. Mais c'est un cas idéal. En réalité, si le modèle n'est pas assez bon, il échouera parfois dans le trading et aucune optimisation ne pourra le réparer, le modèle ne comprend tout simplement pas certaines lois du marché.
Voici un exemple d'une stratégie faible mais intéressante. Dans cet exemple, il échoue sur les nouvelles données, mais commence soudainement à se rétablir, mais ce n'est pas le plus intéressant. Il est encore plus intéressant de déplacer la fenêtre d'optimisation de l'EA vers l'avant jusqu'à la toute fin, où nous voyons que même avec une optimisation longue, le modèle n'a pas été en mesure de négocier cette dernière pièce avec profit. Quelque chose s'est produit sur le marché qui va à l'encontre de cette stratégie et l'optimisation ne peut pas le réparer.
Cela nous conduit à une conclusion intéressante - dans les nouvelles données, nous ne devons pas attendre du modèle une croissance idéale des fonds vers le haut, mais si la forme du graphique d'équilibre sur les nouvelles données coïncide avec le nouveau graphique d'optimisation sur ces données, cela signifiera que le modèle a saisi certaines régularités correctes du marché, mais qu'il est trop simple et ne peut pas tout prendre en compte. Les mauvais modèles et stratégies n'auront pas une telle correspondance.
Voici cet exemple, l'optimisation et le fronttest -
et maintenant la fenêtre d'optimisation a été déplacée au bout à droite, les dates sur le graphique sont les mêmes, mais l'échelle horizontale est un peu saccadée en raison des différences dans les trades -
Le côté droit des deux graphiques est très similaire, malgré le fait que dans le premier cas, il s'agissait de nouvelles données pour le modèle, et que dans le second cas, l'optimiseur mt5 a passé environ une journée à essayer de réaliser de meilleures transactions dans cette zone.
Il y a un silence parmi les gens ordinaires. Ahh je comprends.... Avec la publication de mon article, il y a beaucoup de choses à vérifier et à essayer. C'est pour ça que tout le monde est silencieux ?
Quelques résultats intéressants obtenus au cours des derniers mois...
1) Classification ou régression ?
Il semble qu'il y ait régression après tout. J'ai souvent pris l'incrément de la barre suivante comme cible pour l'entraînement du modèle dans les exemples de code ici, et je l'ai arrondi à -1 et 1 (c'est-à-dire la couleur de la barre, ou la hausse/baisse du prix), de sorte que la classification peut ensuite être utilisée. Récemment, j'ai comparé les résultats de la formation et de la prédiction de différents modèles avec et sans arrondissement de la cible (classification) et avec régression ; d'une certaine manière, j'ai obtenu de meilleurs résultats avec la régression. Mais les moyens standards d'évaluation des modèles de régression tels que le R^2 ne me convenaient pas, je construis un graphique d'équilibre pour estimer le modèle lors des transactions et calculer le facteur de récupération.
2) Estimation du modèle à l'aide de nouvelles données.
J'ai en quelque sorte pris l'habitude des conseillers experts du marché qui, lorsqu'on les optimise, permettent d'obtenir une ligne de croissance des moyens presque idéale et d'obtenir une ligne tout aussi belle sur les nouvelles données. Mais c'est un cas idéal. Si le modèle n'est pas assez bon en situation réelle, il entraînera parfois des pertes dans le trading et l'optimisation ne pourra pas y remédier car le modèle ne comprend tout simplement pas certaines règles du marché.
Voici un exemple d'une stratégie faible mais intéressante. Dans cet exemple, il échoue sur les nouvelles données, mais commence soudainement à se rétablir, mais ce n'est pas le plus intéressant. Il est encore plus intéressant de déplacer la fenêtre d'optimisation de l'EA vers l'avant jusqu'à la toute fin, où nous voyons que même avec une optimisation longue, le modèle n'a pas été en mesure de négocier cette dernière pièce avec profit. Quelque chose s'est produit sur le marché qui va à l'encontre de cette stratégie et l'optimisation ne peut pas le réparer.
Cela nous conduit à une conclusion intéressante - dans les nouvelles données, nous ne devons pas attendre du modèle une croissance idéale des fonds vers le haut, mais si la forme du graphique d'équilibre sur les nouvelles données coïncide avec le nouveau graphique d'optimisation sur ces données, cela signifiera que le modèle a saisi certaines régularités correctes du marché, mais qu'il est trop simple et ne peut pas tout prendre en compte. Les mauvais modèles et stratégies n'auront pas cette correspondance.
Voici cet exemple, l'optimisation et le fronttest -
et maintenant la fenêtre d'optimisation a été déplacée au bout à droite, les dates sur le graphique sont les mêmes, mais l'échelle horizontale est un peu saccadée en raison des différences dans les trades -
Le côté droit des deux graphiques est très similaire, malgré le fait que dans le premier cas, il s'agissait de nouvelles données pour le modèle, et que dans le second cas, l'optimiseur mt5 a passé environ une journée à essayer de réaliser de meilleures transactions dans cette zone.
Comme je l'ai déjà dit, tout dépend des données d'entrée. Si les données d'entrée sont à l'origine de la sortie, alors les performances du réseau en optimisation et hors échantillon seront à peu près les mêmes. Si les entrées ne le sont pas, le résultat sera sensiblement différent. J'ai également fait quelques manipulations de mes modèles ici et le résultat est bien meilleur, le temps nous le dira........ J'espère que Wazard continuera à suivre mon signal ????.
C'est tout à fait exact. ! !!! Il est un bon entraîneur, surtout pour les débutants. Il a des connaissances, mais son populisme est dans les stéréotypes. Trader, filles, voitures de luxe. Veux-tu être comme moi ? etc. Dans notre cas, un trader est un type en pantalon avec un visage non lavé devant un écran. Beaucoup de formules dans sa tête. Le commerce est un travail d'enfer. Vous savez, tous mes amis et mes parents ont l'impression que je reste assis devant l'ordinateur et que je ne fais rien. Mais en y repensant. Je me lève généralement à 8 heures du matin, je vérifie les volumes, je commence à construire des modèles jusqu'à environ 12 heures et c'est tout si je ne suis pas bloqué pendant 24 heures :-(. Je construis un modèle, je le mets sur ..... Je suis assis et je le surveille toute la journée. Vous passez toute la journée à surveiller. Si vous voulez gagner de l'argent sur le marché, vous devez travailler dur. Je travaille dur et ensuite.... Vous l'avez tous vu :-). Mais je crois que tout ira bien à la fin. ! !!!
Ça, c'est sûr. Travailler 12 ou 14 heures par jour. Eh bien, vous avez toujours besoin d'une distraction de temps en temps. Au fil des ans, j'ai déformé ma colonne vertébrale.
Je ne crois pas non plus à Pepper. Celui qui chante magnifiquement est généralement un menteur. Allez au smardlab, il est plein de ces gourous "ambitieux".
Mais, malgré tout, le succès est possible et Larry Williams avec 10K a gagné plus d'un million et cela est officiellement documenté, dans les résultats du championnat et d'autres personnes, comme Ed Secota.
Ils devraient faire un film sur Levermore, ce serait beaucoup plus intéressant.