L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 878
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
À mon avis, c'est la seule façon d'utiliser les NS dans le trading aujourd'hui. Tous les autres sont une perte de temps et d'efforts. Compte tenu du niveau actuel de la soi-disant IA))
Je crois que c'est la seule, non pas à ce jour, mais la seule pour MO et NS dans des configurations d'une complexité raisonnable. Tout d'abord, nous limitons les domaines d'application de la NS et de la MO, puis nous appliquons la NS et la MO.
Et la résolution de problèmes comme "en général, tous et en même temps" est pour l'IA).
Il s'avère que le NS est une sorte de filtre pour prendre des décisions sur l'entrée dans une transaction, un test préliminaire du résultat possible ?
Un testeur opérationnel, en quelque sorte ?
La NS est plutôt une logique de prise de décision qui peut être enseignée. Il a été conçu à l'origine comme un substitut de l'un d'entre eux dans les stratégies standard, sans se donner la peine de l'écrire.
J'ai une question sur la variable cible.
Si notre variable cible est le résultat financier d'une transaction, il est alors raisonnable de normaliser ce résultat, comme je le pensais. Mais ici, je cherche des informations sur le site web, et partout il est dit que la variable cible doit avoir deux valeurs - achat ou vente. Et si je subis une perte dans tous les cas, que ce soit à l'achat ou à la vente (et cela arrive !), pourquoi devrais-je supprimer toutes les variables négatives ? Et si c'est la présence de variants négatifs qui affecte les statistiques ?
En général, j'aimerais savoir quels réseaux fonctionnent (et où les trouver ?) dans le cas extrême avec un déclencheur - acheter/vendre/ne rien faire, et dans le meilleur cas avec une fonction (plus tôt j'ai demandé une fonction ici parce que je cherchais une solution théorique, mais maintenant j'ai fait un script qui résume les prédicteurs) qui fait le classement.
En annexe, un ensemble de prédicteurs et de cibles sans conversion - les deux premières colonnes après le numéro de séquence (à propos, la séquence est-elle importante, si oui, qu'en est-il de l'ancienne à la nouvelle ou comme maintenant - nouvelle en haut et ancienne en bas).
Cela peut-il être enseigné (sur quoi), ou faut-il faire autre chose ?
Conseil - lisez tout le sujet depuis le début, car vos questions ont été répétées plusieurs fois, il est inutile de répéter la même chose.
Le MoD est une approche systématique où vous devez savoir beaucoup de choses, tout apprendre étape par étape.
Les inondations locales rendent la lecture difficile à la fin, mais le début et le milieu sont bien :)
Je ne me suis pas encore fixé sur une modification particulière (j'en ai déjà 25), je continue à tester... j'ai décidé d'obtenir un grand nombre de transactions et une courbe similaire à celle d'OOS, au moins la 3ème partie de trayne. Mais je veux toujours m'entraîner plus près de la date actuelle.
On a remarqué qu'un ensemble de modèles, dont chacun est formé à l'aide de caractéristiques spéciales et de paramètres individuels, est plus stable dans l'AM (il y a 10 modèles dans ce TS).
Contrôle de la démo de test dans le profil (comme je ne me suis pas arrêté à une version particulière et que je continue à m'améliorer, les versions sur la démo peuvent changer périodiquement).
Super, allons-y !
Alglib a le kfold, est-ce que quelqu'un a trouvé comment travailler avec lui ?)
Je l'ai testé l'été dernier, comme toutes les autres sous-espèces de NS. Elle fonctionne, ainsi que d'autres méthodes, sans impression particulière. La seule chose qui concerne tous les NS dans alglib-e est qu'ils sont des dizaines de fois plus lents que R. Eh bien, oui, ici ils réentraînent les mêmes données 10 fois, mais dans des blocs différents - c'est-à-dire 10 fois plus lentement encore))).
et en R kfold, cela donne-t-il une amélioration ? J'ai des lots allant jusqu'à 1000 exemples, donc ça ne prendra pas si longtemps.
si vous l'avez fait - existe-t-il un code pour sauvegarder la structure mlp dans un fichier ?
et en R kfold, cela donne-t-il une amélioration ? J'ai des lots allant jusqu'à 1000 exemples, donc ça ne prendra pas si longtemps.
si vous l'avez fait, existe-t-il un code pour sauvegarder la structure mlp dans un fichier ?
Je ne l'ai pas encore essayé en R. Le Dr Trader semble dire que ça s'améliore.
Sauvegarde dans alglib ? Il existe des fi ns Serialize pour les NS, les ensembles, les échafaudages, les régressions - chacune d'entre elles a ses propres caractéristiques et sa propre récupération.
Il n'y a également que pour NS que les coefficients sont tirés de NS lui-même https://www.mql5.com/ru/articles/2279 J'ai commencé avec cela (comme exemple de travail), puis je suis passé à serialize.
Une autre chose si j'ai fait la normalisation et la suppression des prédicteurs - tout cela devrait être mémorisé et ensuite appliqué à de nouvelles données (merci à M. Vladimir pour un conseil) l'article ci-dessus ne le fait pas.
Dans R Darch, par exemple, lorsque l'on normalise (centre, échelle) par le réseau lui-même, il s'en souviendra et l'essaiera sur les données futures. Les autres paquets R se souviennent sûrement de tout aussi.
Conseil - lisez tout le sujet depuis le début, car vos questions ont été répétées de nombreuses fois, il est inutile de répéter la même chose.
Le MoD est une approche systématique où vous devez savoir beaucoup de choses, tout apprendre étape par étape.
Les inondateurs locaux rendent la lecture difficile à la fin, mais le début et le milieu sont bien :)
J'ai suivi le fil de discussion en détail pendant 6 mois - je ne me souviens pas de questions similaires, de messages intelligents que j'ai trouvés utiles pour moi-même et que j'ai notés dans le carnet - seulement 3.
Peut-être qu'il y a plus dans le sujet, mais vu la quantité de chamailleries - pas agréable à lire....
Par conséquent, je me rapporte à ce fil de discussion comme un endroit où ils peuvent donner des réponses à un débutant en matière de NS, eh bien, si les gens sont désolés pour 5 minutes qui répondrait aux questions ou donner un lien vers la réponse (et la réponse que je cherchais et n'a pas trouvé), alors tant pis.
L'application dispose d'un ensemble de prédicteurs et de cibles sans conversion - les deux premières colonnes après le numéro de séquence (à propos, la séquence est-elle importante, si oui, qu'en est-il de l'ancien au nouveau ou comme maintenant - nouveau en haut et ancien en bas).
Cela peut-il être enseigné (sur quoi), ou faut-il faire autre chose ?
Ciblé - vous avez une régression, pas une classification. J'ai abandonné la régression pour le moment. Je pense qu'il est préférable d'entraîner 2 neurones, par nombre de cibles, mais je n'ai pas fait assez d'expériences avec la régression moi-même - faites vos propres expériences.
La séquence des colonnes n'est pas importante, l'essentiel est d'indiquer à NS qu'il s'agit de cibles. La séquence des lignes est probablement meilleure pour avoir les données les plus récentes à la fin (mais pas nécessairement), de nombreux paquets mélangent toutes les lignes par défaut pour une formation régulière. Sinon, NS risque de s'arrêter quelque part au milieu (minimum local) et de ne pas obtenir de nouvelles données. Les données fraîches (les derniers 10-20%) peuvent être alimentées 2 à 3 fois pour que le réseau apprenne mieux les dernières tendances du marché - c'est aussi une opinion que je n'ai pas testée en pratique.
Consultez le blog du topicstarter - il y a enseigné la régression, beaucoup de bonnes réflexions. Mais à la fin, il a écrit qu'il avait trouvé une erreur dans le code qui rendait tous les résultats invalides.
Je n'ai donc pas de réponses claires et sans ambiguïté, c'est pourquoi tout le monde se tait).