L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 510

 
Dr. Trader:

J'ai exécuté le code de l'article, tout a fonctionné la première fois.
La version de R est 3.4.2, mais je ne pense pas que cela ait beaucoup d'importance.


J'ai R ouvert... ça doit être la faute.

 
Aleksey Terentev:
C'est juste que certaines personnes ici classent les prix. C'est pour eux.

Le type de classification est déterminé par le professeur, ce à quoi il faut faire très attention.

Si le gourou est celui des tendances (trend pattern), alors il devrait y avoir une quantité égale (en gros) de hausse et de baisse. Mais on ne sait pas très bien où sont les latéraux... Et s'il y a des latéraux, ce n'est pas clair : ce qui est en haut et ce qui est en bas. Les tendances sont dans l'impasse.

Par conséquent, le plus prometteur, et c'est ce dont il est question ici, est la prévision des hausses de prix. Mais pour lui et le professeur, c'est différent, ce n'est pas la même chose que pour les tendances.

D'ailleurs, personne ne classe les prix ici.


Si vous vous intéressez auxprévisions de séries chronologiques, il est préférable de lire les articles.

Votre lien ne concerne que les séries chronologiques stationnaires ? A en juger par le lissage exponentiel, oui. Il n'existe pas de séries chronologiques stationnaires sur les marchés financiers.

L'article auquel vous faites référence n'a rien à voir avec la prévision - il s'agit d'une extrapolation de la courbe sous forme analytique. Et s'il y a un vide ? Et s'il y a un Draghi ou autre ?

 

Périodes d'auto-échantillonnage de 3 attributs différents par RMSE la plus faible, on constate que l'importance des attributs sur le marché varie considérablement dans le temps, tant en valeur absolue que par rapport aux autres attributs. Il y a parfois des périodes stables où les mêmes attributs se maintiennent ou varient légèrement, mais en général la variabilité est grande. Ce n'est qu'une petite coupure. Tous les prédicteurs ont une forme stationnaire.

2017.10.20 16:56:12.405 2017.06.05 03:15:00   39 48 45
2017.10.20 16:56:13.105 2017.06.05 03:30:00   40 49 46
2017.10.20 16:56:13.793 2017.06.05 03:45:00   41 49 47
2017.10.20 16:56:14.481 2017.06.05 04:00:00   42 49 49
2017.10.20 16:56:15.168 2017.06.05 04:15:00   43 49 49
2017.10.20 16:56:15.853 2017.06.05 04:30:00   44 49 49
2017.10.20 16:56:16.538 2017.06.05 04:45:00   45 49 49
2017.10.20 16:56:17.255 2017.06.05 05:00:00   46 49 49
2017.10.20 16:56:17.981 2017.06.05 05:15:00   47 49 49
2017.10.20 16:56:18.673 2017.06.05 05:30:00   48 49 49
2017.10.20 16:56:19.368 2017.06.05 05:45:00   49 49 49
2017.10.20 16:56:20.038 2017.06.05 06:00:00   48 49 49
2017.10.20 16:56:20.760 2017.06.05 06:15:00   49 49 49
2017.10.20 16:56:21.429 2017.06.05 06:30:00   24 6 49
2017.10.20 16:56:22.136 2017.06.05 06:45:00   5 6 49
2017.10.20 16:56:22.824 2017.06.05 07:00:00   5 6 49
2017.10.20 16:56:23.495 2017.06.05 07:15:00   27 7 6
2017.10.20 16:56:24.200 2017.06.05 07:30:00   6 7 5
2017.10.20 16:56:24.901 2017.06.05 07:45:00   5 7 6
2017.10.20 16:56:25.603 2017.06.05 08:00:00   6 6 5
2017.10.20 16:56:26.275 2017.06.05 08:15:00   7 7 5
2017.10.20 16:56:26.963 2017.06.05 08:30:00   4 5 5
2017.10.20 16:56:27.694 2017.06.05 08:45:00   5 6 6
2017.10.20 16:56:28.415 2017.06.05 09:00:00   6 7 7
2017.10.20 16:56:29.118 2017.06.05 09:15:00   13 8 16
2017.10.20 16:56:29.826 2017.06.05 09:30:00   12 12 17
2017.10.20 16:56:30.546 2017.06.05 09:45:00   17 13 19
2017.10.20 16:56:31.242 2017.06.05 10:00:00   18 16 20
2017.10.20 16:56:31.978 2017.06.05 10:15:00   19 18 21

En d'autres termes, pour employer des termes statistiques stupides, l'hypothèse nulle d'un modèle constant sur le marché n'est pas confirmée.

Conclusion : nous devrions créer au moins 2 modèles : l'un sélectionnera les attributs informatifs en temps réel, et l'autre apprendra et se recyclera sur eux. Cela nécessite un système dans lequel la variation des signes aura un effet, c'est-à-dire que nous devons considérer l'ensemble comme un système complet.

 
Maxim Dmitrievsky:

Conclusion : vous devriez créer au moins deux modèles : l'un sélectionnera les caractéristiques informatives en temps réel et l'autre apprendra et se recyclera sur ces caractéristiques.

Pour moi, ce n'est pas la bonne conclusion, car le modèle sera toujours en retard, toujours dépassé par rapport aux caractéristiques existantes du marché... La même moyenne mobile retardée...

 
Dr. Trader:

L'idée est que pour entraîner un modèle de classification, le nombre de classes doit être équilibré de sorte que le nombre d'exemples d'entraînement de la classe "1" coïncide avec le nombre d'exemples d'entraînement de la classe "2" (et supprimer les exemples inutiles).

Je vois une exigence similaire pour les modèles de régression, mais c'est plus compliqué - le nombre d'exemples avec le niveau "0.001" doit être égal au nombre d'exemples de formation avec le niveau "-0.001",
le nombre d'exemples avec la cible 0,002 doit être égal au nombre d'exemples avec la cible -0,002, etc.

Voici un script pour réaliser cet équilibrage

Dans caret tout est déjà implémenté, différents types d'alignement de classe, malheureusement je ne me souviens pas comment ces fonctions sont appelées, j'ai bricolé avec il y a longtemps.
 
mytarmailS:

En ce qui me concerne, la conclusion est erronée car le modèle sera toujours en retard, toujours dépassé par rapport aux caractéristiques actuelles du marché... Même moyenne misérable glissante...


oui mais non... c'est-à-dire mieux que sans elle

 
Elibrarius:
Qu'est-ce que cela signifie essentiellement ?
Si le dollar augmente pendant plusieurs mois d'affilée (il y avait une tendance), en lissant le nombre d'exemples d'apprentissage, nous montrerons NS comme s'il était resté stable pendant tout ce temps. Et en conséquence, il l'apprendra à plat. Est-ce correct ? Peut-être qu'on devrait quand même l'enseigner à la tendance ?

Et si le prix commence à baisser avec les nouvelles données ? Le modèle prévoit une augmentation. Dans une telle situation, le modèle que j'utilise commence à devenir un peu terne et reste longtemps dans les échanges, en dépassant les limites.

 
Maxim Dmitrievsky:

Oui, mais non... Je veux dire, c'est mieux que sans.

Que puis-je dire, essayez-le, partagez vos expériences, c'est ce qui est intéressant à lire.

J'ai essayé de ré-entraîner le modèle sur chaque barre...

Oui- le modèle fonctionne mieux qu'un modèle statique (une fois formé).

Non - le modèle ne peut pas être appelé à fonctionner

p.s. J'espère que vous pourrez faire mieux
 
mytarmailS:

Que puis-je dire, essayez-le, partagez vos expériences, c'est ce qui est intéressant à lire.

J'ai essayé de ré-entraîner le modèle sur chaque barre...

Oui, le modèle fonctionne mieux qu'un modèle statique (formé une seule fois).

Non - le modèle ne peut pas être appelé à fonctionner

p.s. J'espère que vous irez mieux.

Je fais en sorte que le modèle ne se réentraîne pas du tout et que certains paramètres soient ajustés dans l'optimiseur, mais il y a un ajustement constant des caractéristiques à travers un autre modèle qui donne toujours les mêmes résultats, mais en raison des périodes de changement des caractéristiques, il donne plus ou moins de signaux dirigés différemment, selon le marché. Par exemple, de petites périodes de prédicteurs sont bonnes pour un marché plat, mais de plus longues pour une tendance. Il est clair qu'il y a encore un décalage, mais la question est de savoir à quel point il est critique. Mais comme tout est optimisé de manière cumulative pendant une certaine période, nous obtenons un style super adaptatif.

En bref, c'est mon imagination, je vous montrerai quand j'aurai fini).

 
Maxim Dmitrievsky:

Je fais en sorte que le modèle ne se ré-entraîne pas du tout, mais que certains paramètres soient ajustés dans l'optimiseur, mais il y a un ajustement constant des caractéristiques à travers un autre modèle, de sorte que le premier donnerait toujours les mêmes résultats, mais parce que les périodes des caractéristiques changent, il donne soit plus de signaux dirigés différemment, soit moins, en fonction du marché. Par exemple, les petites périodes de prédicteurs sont bonnes pour un marché plat, mais les plus longues pour une tendance. Il est clair qu'il y a encore un décalage, mais la question est de savoir à quel point il est critique.

Ce sont mes fantasmes, je vous les montrerai quand je les aurai terminés.)


Que voulez-vous dire par "périodes de caractéristiques/prédicteurs" ? )