L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 322
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
Le forward est celui qui présente le facteur de profit le plus élevé, et le backtest devrait être à peu près le même, ce qui signifie que la grille est capable de faire des prédictions normales sur la base de ces paramètres.
Non, ce n'est pas le cas. Forward ne fait que montrer le bénéfice potentiel dans le trading réel. Prenez le meilleur résultat d'un backtest et regardez son fronttest - c'est ce que vous gagneriez.
Vous pouvez même obtenir au moins une avance rentable pour un EA en utilisant l'optimisation, mais un tel EA se plantera quelle que soit l'intensité de son optimisation. Genetics fait plus de 10000 sélections de paramètres et certaines d'entre elles sont toujours rentables à la fois dans le backtest et le fronttest mais c'est juste un accident.
Le forward peut être utilisé comme un contrôle pour créer/modifier l'EA - remplacer ces trois paramètres rsi par autre chose, trouver génétiquement les nouvelles meilleures valeurs des paramètres et voir ce qui s'est passé sur le forward. Si les meilleurs résultats du backtest correspondent aux bons résultats du forward et que cela se produit pendant l'optimisation sur différents intervalles de temps - alors l'EA est OK. Le forward n'est pas trop long, presque tous les EA perdent sur l'intervalle long sans optimisation supplémentaire. Par exemple, 2 mois de backtest, une semaine de fronttest sont suffisants.
Je ne comprends toujours pas s'il est préférable pour la fonction de normalisation de prendre un tableau de 5000 barres au lieu de 50 afin de trouver des max et min plus corrects dès le début et de ne pas les mettre à jour avec le temps, car au début du test, nous recevrons des valeurs normalisées pas tout à fait correctes pour l'entrée, mais plus tard de plus en plus précises.
Oui, il sera plus précis avec 5000. De même, dans les transactions réelles, après le lancement du conseiller expert, le redémarrage du terminal, etc., les valeurs min et max seront réinitialisées. Toute optimisation sera perdue. Le dépôt sera détruit.
J'essaie également de modifier quelque chose dans le code pour en tirer profit. Par exemple, j'ai simplement pris un résultat de régression linéaire pure sans aucun ajout et multiplié par 1000, puis ajouté 0,5. Le résultat sera presque toujours dans [0;1] (si c'est en dehors des limites - j'imprimerai l'erreur dans le journal et réduirai le multiplicateur plus tard), le centre sera toujours dans 0.5, et il n'échouera jamais.
Je ne sais pas encore comment améliorer, par exemple, la pente de régression et l'autocorrélation d'une série stationnaire, car je ne suis pas très doué en économétrie et je me contente de regarder des clips vidéo pour l'instant.
La pente de régression sur les séries stationnaires sera nulle, vous n'avez pas besoin de la chercher. D'une manière générale, si vous voulez trouver la pente de la tendance actuelle sur les N dernières barres - alors la régression linéaire est OK, dans le code tout est déjà parfait.
L'autocorrélation serait quelque peu obscure car il ne s'agit pas d'une valeur unique mais d'un long vecteur (corrélation avec le lag 1, corrélation avec le lag 2, corrélation avec le lag 3, etc.) Toutes ces valeurs ne rentreront pas dans le RNN.
La pente de la régression sur la série stationnaire sera nulle, il n'est pas nécessaire de la chercher. D'une manière générale, si on veut trouver la pente de la tendance actuelle sur les N dernières barres, alors la régression linéaire est OK, tout est déjà bon dans le code.
L'autocorrélation serait quelque peu obscure car il ne s'agit pas d'une valeur unique mais d'un long vecteur (corrélation avec le lag 1, corrélation avec le lag 2, corrélation avec le lag 3, etc.) Toutes ces valeurs ne rentreront pas dans le RNN.
Non, non, nous calculons la pente des regs en utilisant des graphiques normaux et nous recherchons l'autocorrélation en utilisant le detrend, ou peut-être que nous transférons la périodicité du cycle de 0 à 1, comme dans la phase du cycle dans laquelle nous sommes.
C'est-à-dire qu'à l'entrée, nous avons une direction sous la forme de la pente de régression et une cyclicité à l'intérieur de cette direction.
Et que pensez-vous de l'idée d'utiliser le RNN comme une sorte d'auto-encodeur pour les MLP ?
Il y a quelque chose qui cloche avec cette phrase :)
Un auto-codeur est un neurone qui peut :
1) prendre un certain vecteur (par exemple une série de sommets), et produire un autre vecteur de longueur plus courte. Une sorte de compression des données avec peu de perte.
2) Prendre le vecteur court de données obtenu précédemment et reconstruire à partir de celui-ci les données originales (presque originales, en fonction des pertes de la première étape). C'est la décompression.
Exemple concret : vous avez une photo au format BMP, format qui prend beaucoup d'espace disque. L'auto-codeur prend ses pixels et nous renvoie un nouveau vecteur de pixels - les pixels de l'image au format JPG. Même image, mais elle prend moins d'espace disque et est un peu plus trouble.
Et vous pouvez ensuite, si vous le souhaitez, passer d'un JPG à un BMP, mais la luminosité et l'éclat d'origine ne sont pas restitués.
Je ne pense pas qu'on puisse mettre l'algorithme JPG dans la neuronique ; l'exemple est juste pour la clarté.
RNN ne prend pas les séries temporelles mais le RSI dans ce cas et il ne retourne qu'une seule valeur selon laquelle les prix originaux ne peuvent pas être restaurés.
Maxim Dmitrievsky:
Non, non, la pente du régime est calculée à l'aide de graphiques normaux et l'autocorrélation est recherchée à l'aide de la tendance, peut-être la périodicité du cycle de 0 à 1, comme dans la phase du cycle dans laquelle nous nous trouvons actuellement.
C'est-à-dire que la sortie aura la direction sous la forme de la pente de régression et la cyclicité dans cette direction.
Il y a quelque chose de très mauvais dans cette phrase :)
Eh bien, le RNN ne prend pas d'abord la série temporelle, mais le RSI dans ce cas et il ne renvoie qu'une seule valeur, par laquelle les prix originaux ne peuvent pas être restaurés.
mais nous pouvons reconstruire les 3 lectures rsi :) il les a juste compressées et a donné une probabilité, non ? )
L'autoencodeur a aussi une perte d'information... Je ne comprends pas encore la différence. Mb la différence est purement dans l'architecture, nous avons une sorte de version simplifiée
J'ai aussi jeté un coup d'oeil. Je pense que ce n'est pas notre sujet.
Pourquoi ? J'ai vu des publications pour EURUSD pour M1.
Il faut voir la rugarchie
Il existe un grand nombre de ces GARCN. Ils comportent trois groupes de paramètres : le modèle lui-même, le type de moyenne et le type de distribution résiduelle. Pour chacun des types de paramètres, les derniers pépins. Le détriquage est abordé ci-dessus. Ainsi, dans GARCH, nous effectuons un détrendage en utilisant ARFIMA, c'est-à-dire avec une différenciation fractionnelle (Hurst).
Eh bien, pourquoi, j'ai vu les publications pour EURUSD pour M1, combien plus loin.
Il faut voir la rugarchie
Il existe un grand nombre de ces GARCN. Ils comportent trois groupes de paramètres : le modèle lui-même, le type de moyenne et le type de distribution résiduelle. Pour chacun des types de paramètres, les derniers pépins. Le détriquage est abordé ci-dessus. Ainsi, dans le modèle GARCH, la déstratification se fait au moyen de la méthode ARFIMA, c'est-à-dire avec une différenciation fractionnelle (Hurst).
Comment peut-on mettre du garch dans la grille ? De la même manière que l'on doit mettre des indicateurs. Après tout, la grille elle-même doit créer le modèle en son sein.
Comment mettre des ordures dans une grille ? Après tout, la grille elle-même devrait créer le modèle en son sein.
N'enfoncez pas les choses décentes dans celles qui sont décentes.
Crachez sur les filets et ne mettez pas des choses décentes dans des filets peu recommandables.
Non, vous devriez le faire pour le plaisir, il est tout à fait possible de trouver un usage pour les filets.
Non, c'est juste une question d'intérêt, et il est clairement possible de penser à des applications pour les mailles.
Tous les modèles d'apprentissage automatique et de NS sont extrêmement dépendants des prédicteurs qui doivent être adaptés à la fonction cible. Tout cela a été discuté à de nombreuses reprises ci-dessus. L'effort principal porte sur la gestion des données, et la grille elle-même n'a pas vraiment d'importance.
J'essayais juste de discuter des variantes de prédicteurs ci-dessus :) Je vais essayer, Che.