L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 695
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 pensé à la régression.....
La régression sur les marchés financiers n'est pas une fonction lisse, mais plutôt une fonction à pas avec des incréments de 1 pt. (tant pour l'enseignant que pour les prévisions). Si nous limitons par exemple le mouvement à +/- 100 pt, il y a une analogie avec la classification en 200 classes. C'est-à-dire que la sortie est une prédiction de la classe la plus probable - par exemple +22 pt.
Cela ne signifie-t-il pas que pour obtenir de bons résultats, la structure/complexité du modèle (nombre de neurones) pour la régression devrait être 200 fois plus importante ? Eh bien, si vous augmentez le pas à 5 pt, alors 40 fois serait un peu plus économique au prix d'une moindre précision.
Des idées sur ce sujet ?
Vous ne pouvez pas faire de régression sur les prix, faites-la sur les incréments, alors le nombre de variantes sera plus petit.
vous n'avez pas besoin de plus de neurones, en fait, vous n'en avez pas besoin de beaucoup pour la régression... en régression linéaire, vous avez besoin d'un coefficient par trait :)
Vous ne pouvez pas faire de régression sur les prix, faites-la sur les incréments, alors le nombre de variantes sera plus petit.
Vous n'avez pas besoin de plus de neurones, en fait, vous n'en avez pas besoin de beaucoup pour la régression... dans une régression linéaire, vous avez besoin d'un coefficient par trait :)
Je veux dire +/- 100 pt, pas les prix.
Eh bien, l'analogie avec les 200 classes est directe... bien qu'elles soient séquentielles et qu'elles puissent encore être lissées d'une fonction en escalier à une fonction lisse.
L'incrément est ce que l'on entend par +/- 100 pt.
Eh bien, l'analogie avec les 200 classes est directe...
Eh bien, les classes ont également plus d'une valeur de sortie, il est simplement divisé par une sigmoïde
Aucune idée sur ce sujet ?
La classification en 200 classes nécessite 200 neurones en sortie et un nombre correspondant de neurones dans les couches internes pour que tout fonctionne.
Et pour la régression, vous n'avez besoin que d'un seul neurone de sortie, la valeur qu'il sort sera Pronosis, "+22p, erreur plus ou moins". Et il y a probablement moins de neurones cachés.
L'enseignant sera discret, avec un signe numérique comme un symbole. Mais le pronostic est un double nombre régulier non continu à 16 chiffres, et donc la fonction d'estimation (erreur quadratique moyenne par exemple) sera également continue.
Article intéressant sur une étude de huit modèles d'apprentissage automatique
Il est regrettable que les auteurs de l'article aient pris des prix artificiels au lieu des prix du pétrole par exemple. Les résultats ont été obtenus dans des conditions idéales, et il n'est pas certain qu'ils soient applicables à des échanges réels.
Aujourd'hui, c'est le jour du Graal, mais nous savons à quoi il ressemble et combien de travail il faut pour le tenir dans nos mains !!!!.
Je n'ai pas peur du mot, mais aujourd'hui j'ai trouvé un graal pour moi. Je l'ai testé à plusieurs reprises et les résultats ont été étonnants. Nous remercions tout particulièrement le Dr Trader pour son soutien, qui a permis la découverte. Je n'ai pas peur de ce mot......... Avec l'aide de R, j'ai pu trouver efficacement un ensemble de prédicteurs importants, et étant donné que la cible a le même nombre de classes, en jouant un peu (en ajoutant ou en enlevant une), l'ensemble des prédicteurs importants peut être étendu d'une, deux colonnes. J'ai essayé une fois et c'était tellement normal de les ajouter. Ensuite, nous commençons à affiner et à sélectionner le modèle qui présente les meilleurs résultats d'apprentissage.
Bien sûr, ce n'est pas une grande taille de polynôme, mais cela fonctionnera en théorie à 50% de l'intervalle d'entraînement, c'est-à-dire une semaine, et c'est suffisant pour moi !!!!!!. Mais voilà le problème : .... Et je m'adresse ici aux personnes qui recherchent des modèles fiables et stables. C'est plus facile à expliquer avec un exemple..........
Je sauvegarde un tableau de données de 1000 lignes et 111 colonnes où 110 prédicteurs et ainsi de suite. MAIS je ne prends pas toute la table, je prends une petite section fraîche de 40 enregistrements (ce qui représente environ 2 semaines de travail TS). Le résultat est un ensemble d'entraînement de taille 40 par 110 plus une cible. En fait, je prends une tranche de marché ce jour même, à cet intervalle précis. Cette tranche est stationnaire. Ensuite, je sélectionne les variables d'entrée significatives par rapport à la sortie et j'obtiens 3 à 5 colonnes qui, si je comprends bien, ont l'alpha requis me permettant d'avoir un avantage sur les autres participants du marché. Et maintenant, la chose la plus importante.... C'était quoi toute cette discussion. Dès que j'ajoute une ligne supplémentaire au tableau de données pour la formation, l'ensemble des colonnes change radicalement, c'est-à-dire que l'alpha passe à un autre ensemble de colonnes. Peut-être pas immédiatement, mais après avoir ajouté plus d'une ligne. C'est-à-dire les signaux TS !!!! Alpha est précisément le même modèle dans sa forme la plus pure, minimale et suffisante pour la fonction cible. Mais ce motif n'est pas évident, c'est-à-dire qu'il est très difficile de le voir à l'œil nu. C'est à ce stade que l'IA intervient et fait son travail.
Et maintenant imaginez comment alpha peut rebondir sur tous les champs de données, que je décharge, s'ils sont rarement contenus dans plus de cinq entrées, et un champ total de 110 entrées. En d'autres termes, à chaque nouvelle tranche, j'obtiens un ensemble de prédicteurs complètement différent. Et comment voulez-vous le suivre, et même à une distance d'un an !!!!!!! s'il est là pendant des semaines, vous pouvez difficilement l'attraper correctement........ Mais vous avez tout à fait raison, il existe un graal, mais chacun a le sien, et pour le conserver, il faut faire beaucoup d'efforts........
Et toujours en se référant aux théoriciens des comptes de démonstration, voici comment on procède........
J'ai travaillé avec la théorie et fait quelques tests en l'utilisant. Les tests ont donné de bons résultats. Les modèles sont formés par l'UPU lorsque le robot est chargé. Regardez mon signal cette semaine et vous verrez immédiatement ce que valent mes hypothèses.
Je ne vois pas où est le problème, on regroupe les barres (pour les comparer de manière fiable), on construit des statistiques de répétitions de n'importe quel élément, on peut commencer par le plus commun. Ensuite, établissez les statistiques des répétitions en paire avec un autre élément (mieux vaut la deuxième des statistiques, bien que vous deviez encore toutes les vérifier), sélectionnez la statistique maximale, mettez le deuxième point sur le graphique, et ainsi de suite. Dès que le graphique montre une inflexion, c'est la longueur optimale pour ce mot. Et de cette façon, vous vérifiez toutes les lettres.
Obtenir un ensemble de mots à partir de laquelle sera déjà mettre des phrases, ici est déjà peut être appliquée aux mots de la TC, mais d'abord devrait attribuer les mots de codage pour la proximité les uns des autres, bien qu'avec cette chape et le TC, il ya aussi avtoencoders à la fin. En bref, à ce stade, l'imagination est libre.
Quelqu'un peut-il vérifier l'indicateur d'incrémentation ? Pour une raison quelconque, il y a des trous dans le rendu sur les TF bas, et pas seulement cela, si vous rembobinez... la fenêtre de l'indicateur devient vide. Ou est-ce qu'il est juste temps pour moi de réinstaller le terminal
ceci est plus correct
double pr2 = (pr!=0?log(pr):0) ;
Il est regrettable que les auteurs de l'article aient pris des prix artificiels au lieu des prix du pétrole par exemple. Les résultats sont obtenus dans des conditions idéales, et il n'est pas certain qu'ils soient applicables à des transactions réelles.
Fait exprès pour couvrir la variété théorique des prix et nommer explicitement cette variété.