L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 948

 
SanSanych Fomenko:
En général, cibler 3 classes n'est pas très bon. Il est préférable de diviser en deux classes cibles : (-1,0) et (0,1), puis de les combiner au moment de décider d'une position.

C'est moi qui ai demandé 3 classes. Il y a quelques pages, il y avait un dossier similaire avec seulement deux cibles. Je n'ai pas pu gérer deux ciblages (l'une des classes est fortement déséquilibrée en nombre, donc c'est difficile aussi), j'en essaie trois maintenant.

 

J'ai attendu randomForest, mais j'ai pris 10% du fichier original pour le fichier d'entraînement.

Voici le résultat :

Number of observations used to build the model: 20276
Missing value imputation is active.

Call:
 randomForest(formula = as.factor(arr_Buy) ~ .,
              data = crs$dataset[crs$sample, c(crs$input, crs$target)],
              ntree = 500, mtry = 7, importance = TRUE, replace = FALSE, na.action = randomForest::na.roughfix)

               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 7

        OOB estimate of  error rate: 11.22%
Confusion matrix:
     -1    0    1 class.error
-1 5335  314   21  0.05908289
0    95 8712  480  0.06191450
1     2 1363 3954  0.25662719

Variable Importance
===================

                                 -1      0      1 MeanDecreaseAccuracy MeanDecreaseGini
arr_Sell                     223.88 208.20 164.24               216.84          3073.97
arr_DonProcVisota             25.86  57.39  53.05                57.46           203.17
Levl_Close_MN1                21.45  51.65  52.89                58.17           140.68
Levl_High_H4                  22.35  51.81  50.33                58.17           118.24
Levl_Close_W1                 20.11  48.85  49.94                52.90           145.82
arr_LastBarPeresekD_Down_M15  22.38  49.70  49.39                57.02           129.74
arr_Den_Nedeli                21.46  44.74  49.06                49.48           129.12
Levl_Low_H4                   20.55  47.30  47.49                50.63           126.02
arr_Regresor                  23.40  46.78  46.25                50.94           126.67
Levl_Close_D1                 21.03  42.44  44.51                47.91           164.55
Levl_Support_D1               22.47  47.09  44.35                51.17           153.52
Levl_Low_H1                   20.62  47.36  43.94                50.02           132.55
Levl_Support_W1               18.05  47.42  43.40                47.19           134.89
arr_DonProc_M15               23.81  50.52  42.83                52.10           184.02
arr_TimeH                     20.55  41.15  42.07                42.59           109.51
arr_LastBarPeresekD_Up_M15    22.46  43.85  41.64                47.63           134.78
arr_DonProc                   21.88  56.26  41.49                50.51           228.07
Levl_High_W1                  20.78  40.34  41.27                45.67            91.07
Levl_Low_D1                   18.87  39.05  40.81                42.30           116.54
Levl_Support_MN1              18.99  39.66  40.36                41.64           122.87
Levl_High_MN1                 17.25  36.97  39.62                40.44            88.72
Levl_first_H4                 18.77  38.39  38.71                42.28            70.63
arr_LastBarPeresekD_Down      19.31  42.64  37.27                44.06           150.78
Levl_Low_MN1                  17.96  37.24  36.40                37.83            92.71
Levl_first_H1                 14.43  35.64  34.62                37.45            78.99
Levl_High_D1                  19.35  34.28  34.48                36.43           106.69
Levl_Close_H4                 19.72  39.58  33.59                39.85           170.80
X_USE_Filter_MA_02            15.76  33.70  33.01                38.00            50.89
Levl_Support_H4               16.71  39.24  32.66                36.73           152.03
Levl_Low_W1                   16.72  34.05  32.47                33.22           111.06
Levl_High_H1                  17.58  33.14  31.93                33.90           117.74
Levl_Close_H1                 19.09  35.94  30.80                35.35           160.90
Levl_first_W1                 12.82  30.50  30.57                31.63            51.57
X_Use_Donchianf               13.69  28.78  30.46                31.47            59.44
Levl_first_MN1                13.94  27.58  30.02                29.14            59.58
arr_LastBarPeresekD_Up        15.96  31.32  28.67                30.59           142.72
Use_Filter_MA_Prirost         11.99  27.62  26.88                33.29            38.78
arr_Vektor_Don_M15            13.70  26.01  25.25                29.80            32.87
X_Use_BarPeresek_iMA_TF       11.40  18.48  25.17                25.30            20.57
Levl_first_D1                 14.97  28.47  24.99                29.17            46.49
X_Use_Filter_Fibo_in_Day      12.43  24.34  24.84                29.00            45.29
Levl_Support_H1               17.57  29.98  24.77                28.92           141.18
arr_Vektor_Week                7.99  19.81  24.10                21.56            27.30
arr_RSI_Open_H1               10.31  25.18  23.80                29.74            27.62
X_USE_Filter_MA               12.64  22.15  22.22                25.99            41.49
arr_Vektor_Don                10.20  19.81  15.88                17.82            41.06
arr_Vektor_Day                11.65  15.07  15.62                16.44            25.24
arr_BB_Center                 10.41  15.87  14.93                15.48            38.40
arr_BB_Up                      7.78  10.50  14.74                13.99            17.23
X_Use_ChanelEvaProc            4.30  13.36  12.15                17.63            67.45
arr_RSI_Open_M1                7.45  12.63  10.49                13.56            25.92
arr_BB_Down                    5.47  14.77   7.02                14.50            16.72
USE_Filter_MA_Donchian         0.72   0.10   4.71                 3.29             1.78

Time taken: 2.29 mins
 

Voici un graphique intéressant


Il montre que l'augmentation du nombre d'arbres jusqu'à environ 50 donne une diminution de l'erreur, mais qu'après cela, l'augmentation du nombre d'arbres au-delà de 100 est une perte de temps absolue.

 

Et voici le résultat sur les morceaux de validation et de test. J'en ai des grands, 45% chacun de l'original.

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [validate] (counts):

      Predicted
Actual    -1     0     1 Error
    -1 24023  1523    70   6.2
    0    473 39706  1964   5.8
    1     10  5858 17615  25.0

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [validate] (proportions):

      Predicted
Actual   -1    0    1 Error
    -1 26.3  1.7  0.1   6.2
    0   0.5 43.5  2.2   5.8
    1   0.0  6.4 19.3  25.0

Overall error: 10.9%, Averaged class error: 12.33333%


Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [test] (counts):

      Predicted
Actual    -1     0     1 Error
    -1 23847  1502    73   6.2
    0    455 39677  1984   5.8
    1      7  6024 17673  25.4

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [test] (proportions):

      Predicted
Actual   -1    0    1 Error
    -1 26.1  1.6  0.1   6.2
    0   0.5 43.5  2.2   5.8
    1   0.0  6.6 19.4  25.4

Overall error: 11%, Averaged class error: 12.46667%
 

Très décent si rien ne se présente.

Le CT sur M1 n'est pas clair : nous allons prédire dans les limites de l'écart.

 
SanSanych Fomenko:

J'ai attendu randomForest, mais j'ai pris 10% du fichier original pour le fichier d'entraînement.

Voici les résultats :

Merci, à en juger par les résultats, les choses ne vont pas mal ?

Cependant, il semble que arr_Sell ait été utilisé comme prédicteur, à en juger par le tableau d'importance des prédicteurs ? Si c'est le cas, ce n'est pas correct.

SanSan Fomenko:

Voici un graphique intéressant


Il montre que l'augmentation du nombre d'arbres jusqu'à environ 50 entraîne une diminution des erreurs, mais qu'au-delà, l'augmentation du nombre d'arbres au-delà de 100 est totalement inutile.

Il doit donc être logique que plus il y a de prédicteurs, plus il y a de solutions, ou est-ce que je me trompe ?

 
SanSanych Fomenko:

Très décent si rien ne se présente.

Je ne comprends pas le TS sur M1 : nous allons prédire dans les limites de l'écart.

Il s'agit d'une stratégie de tendance qui fonctionne sur le MOEX sur Si, c'est-à-dire que le spread n'y est pas important.

 

Afin de rendre un jugement définitif, il est nécessaire de :

  • tester le pouvoir prédictif des prédicteurs dans des conditions très spécifiques du fichier d'entrée
  • diviser physiquement le fichier d'entrée en deux parties : faire sur une partie ce que j'ai fait, et exécuter la forêt terminée sur la seconde partie. Si l'erreur correspond, alors millionnaire ou milliardaire !

 
Aleksey Vyazmikin:

Il existe une stratégie de tendance, et elle fonctionne sur le MOEX sur Si, c'est-à-dire que le spread n'y est pas important.

Quelle autre tendance dans le classement ? Les erreurs de prédiction déchireront la tendance - il ne restera rien de la tendance.

 
Aleksey Vyazmikin:


Cependant, arr_Sell semble avoir été utilisé comme prédicteur, à en juger par le tableau d'importance des prédicteurs ? Si c'est le cas, ce n'est pas correct.


Bien sûr que si, bordel de merde !

Lesquelles ?

Laissez-moi recalculer.