L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 735

[Yuriy Asaulenko]

Nikolay Gaylis:

C'est pourquoi j'ai demandé la formule...

Si vous voulez travailler avec NS, utilisez un logiciel professionnel normal, ou ne vous embêtez pas avec ces contrefaçons de MQL - cela ne servira à rien.

[[Supprimé]]

Probablement celui-ci

[Maxim Dmitrievsky]

[Maxim Dmitrievsky]

Nikolay Gaylis:

Probablement celui-là.

et bien il y a un article sur le sujet, comment écrire un neurone, oui, juste comme ça... la recherche fonctionne

N'écoutez pas Asaulenko, il en a marre de son paradigme, je ne sais pas pourquoi il visite ce forum, c'est bien qu'il ait été banni aujourd'hui

[Maxim Dmitrievsky]

C'est drôle :)

https://smart-lab.ru/blog/456953.php

[Mihail Marchukajtes]

le bruissement silencieux de l'ardoise fait croître mon leisurely .....

Je vous commenterai plus tard... pas le temps maintenant...

[Mihail Marchukajtes]

C'est comme ça :

Oh mec, Michael..., comment tu peux ne pas comprendre, on t'a déjà expliqué et trollé pour te motiver émotionnellement à évoluer, mais tu es comme un roc ! Cela aurait un sens si vous vendiez une sorte de graal à un imbécile, mais ce n'est pas le cas, donc c'est bizarre, pas raisonnable. Vous ne pouvez pas décrire l'ensemble du marché avec 40 observations, de plus 3 semaines, c'est comme décrire le visage de milliers de personnes avec 40 pixels, prenez par exemple une photo de Vladimir Lénine et tirez-en ce que vous voulez, en utilisant n'importe quelle transformation des données ~40 points et essayez d'y reconnaître le leader du prolétariat))))) Et l'ensemble du marché ne se résume pas à une seule photo, il est des centaines de fois plus grand en capacité. Ne soyez pas si complaisant et ne prenez pas vos désirs pour des réalités.

Votre problème est que vous essayez de décrire l'ensemble du marché. Chaque bar, si je comprends bien... Maintenant, faisons le calcul ensemble.

Un TF de 15M pendant quinze jours, c'est 1920 bars. Si vous décrivez l'ÉNORME marché, alors vous devez alimenter les barres de 1920 à l'entrée nette, etc. etc.

TF 15M Signaux pour acheter 40 pièces (environ). Pour décrire ces deux semaines par mon TS, je dois appliquer seulement 40 valeurs pour l'entraînement, afin que le réseau puisse apprendre ces deux semaines, parce que je n'analyse pas le marché entier, je l'analyse seulement dans ses moments de renversement. Le TS de base est la contre-tendance. En d'autres termes, il identifie les zones de retournement possible du marché. Et c'est à ce moment-là que l'analyse a lieu. Ce qui réduit considérablement le nombre d'échantillons pendant la formation, mais couvre en même temps le même intervalle de temps (2 semaines).

Comme je l'ai déjà dit, je ne peux pas augmenter l'échantillon d'entraînement parce que les données que j'utilise ne me permettent pas de le faire. Si les données d'entrée étaient meilleures, je m'entraînerais pour 100 et 1000. MAIS MAIS ce n'est pas si important, c'est le résultat final qui est important et c'est ainsi.......

[Mihail Marchukajtes]

Cette photo montre la section de formation et le COU.

Voici juste la section de la formation du 01.31.2018 Pour que ce soit plus facile à voir.

Et voici la section du lundi 03.05.2018 Le TC est le même...

[Mihail Marchukajtes]

Et tout cela est l'œuvre de ces deux bébés, qui ont été formés sur les bonnes données et sélectionnés au VI maximum par rapport à l'entrée.

double getBinaryClassificator1A(double v0, double v1, double v2, double v3, double v4) {
   double x0 = 2.0 * (v0 + 2748.0) / 2951.0 - 1.0;
   double x1 = 2.0 * (v1 + 83.09069) / 154.45321 - 1.0;
   double x2 = 2.0 * (v2 + 71.06971) / 147.16595 - 1.0;
   double x3 = 2.0 * (v3 + 94.29885) / 172.688 - 1.0;
   double x4 = 2.0 * (v4 + 70.91128) / 154.99767 - 1.0;
   double decision = 0.07032014810363377 * x1 * x3
  -0.2709385389305134 * sigmoid(x0 + x1)
  + 0.4766552616529839 * sigmoid(x1 + x2)
  -0.02475017204446986 * sigmoid(x3)
  + 0.6522278547266189 * sigmoid(x4)
  -0.4251146155411889 * sigmoid(x0 + x4)
  + 0.3491339620629828 * sigmoid(x1 + x4)
  -0.11995134291612954 * sigmoid(x0 + x1 + x3 + x4)
  -0.5414699867210747 * sigmoid(x2 + x3 + x4)
  -0.15299357377557646 * sigmoid(x1 + x2 + x3 + x4)
  + 0.3477721452733811 * sigmoid(1.0 + x2 + x3)
  -0.2667852400383829 * sigmoid(1.0 + x0 + x2 + x4)
  + 0.35137296333271945 * sigmoid(1.0 + x1 + x2 + x4)
  + 0.5545211348150159 * sigmoid(1.0 + x1 + x2 + x3 + x4);
   return decision;
}

double getBinaryClassificator2A(double v0, double v1, double v2, double v3, double v4) {
   double x0 = 2.0 * (v0 + 1543.0) / 2763.0 - 1.0;
   double x1 = 2.0 * (v1 + 83.27445) / 157.86037 - 1.0;
   double x2 = 2.0 * (v2 + 96.96413) / 167.20560999999998 - 1.0;
   double x3 = 2.0 * (v3 + 76.54987) / 162.84452 - 1.0;
   double x4 = 2.0 * (v4 + 70.10687) / 136.14457 - 1.0;
   double decision = -1.4629648549243972 * x2 * x3
  -0.24382747582073286 * x2 * x4
  -0.16956988148753577 * sigmoid(x0)
  -0.09466097943059529 * sigmoid(x1)
  + 0.09458009807928075 * sigmoid(x2)
  + 0.5855852404304591 * sigmoid(x1 + x2)
  + 0.5480350088543795 * sigmoid(x3)
  + 0.030113404168369433 * sigmoid(x1 + x3)
  -0.146080234300504 * sigmoid(x4)
  + 0.26372003133088134 * sigmoid(x1 + x3 + x4)
  -0.40493035689960494 * sigmoid(x0 + x2 + x3 + x4);
   return decision;
}

Question : Qui est mécontent des performances de ces modèles ?

[Mihail Marchukajtes]

Je suis absolument confiant dans mon approche du marché, au vu des résultats.

Merci pour l'aide dans R, qui a permis d'améliorer considérablement le travail du TS......

L'approche prend du temps et il y a beaucoup de choses à garder à l'esprit pour ne pas faire d'erreur, ce qui peut changer fondamentalement le résultat, mais dans l'ensemble je suis satisfait, ce que je vous souhaite aussi.....

Et maintenant je commence à écrire un article sur BW + il y aura aussi une vidéo, donc ne la manquez pas. Lorsqu'il sera publié, je ne manquerai pas de vous le faire savoir dans ce fil..... Bonne chance !!!!