L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1033
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Je suis un programmeur, pas un télépathe. Si vous avez des questions, je vous donnerai les réponses...
Réponse : 42 :D
Si vous êtes prêt à répondre en tant que programmeur, voici une question rapide - une tâche de programmation, tout en vérifiant les compétences sur lesquelles vous insistez.
Dans le fichier joint il y a un modèle de signaux EURUSD H1 pour un EA, nous devons déterminer l'algorithme de leur formation.
Si vous le souhaitez, vous pouvez publier la solution en tant qu'EA et montrer en action la puissance du bruteforcing des prédicteurs et de votre bibliothèque d'apprentissage automatique.
Je suggère à tous les apprentis-machines intéressés de se joindre à nous. Je suis également prêt à résoudre le problème proposé ou tout autre problème présenté comme modèle en utilisant mon MO.
Peut-être qu'avec ce mode d'écriture, nous pourrons élaborer au moins quelques approches et formats communs)).
Tous les indicateurs auraient dû être supprimés avant de sauvegarder le modèle. Ce n'est peut-être pas l'indicateur name=main, mais les données ne sont pas affichées.
Et où est la garantie que la stratégie est rentable ? Peut-être que c'est juste un morceau d'histoire chanceux...
Personne ne semble avoir lu ma bibliothèque, car il n'y a pas de questions à son sujet spécifique. Tout le monde veut le graal sans comprendre les moyens de le trouver.
Tous les indicateurs auraient dû être supprimés avant de sauvegarder le modèle. Ce n'était peut-être pas l'indicateur name=main, mais les données ne sont pas affichées.
Et où est la garantie que la stratégie est rentable ? Peut-être que c'est juste un morceau d'histoire chanceux...
Il semble que personne n'ait pris connaissance de ma bibliothèque, car il n'y a aucune question à son sujet. Tous veulent obtenir le Graal, sans comprendre les moyens de le trouver.
L'entrée principale se trouve dans tous les modèles, elle n'interfère pas, et les données qui s'y trouvent ne sont que des objets graphiques - des flèches, bleues - ACHAT, rouges - VENTE.
Vous ouvrez le graphique EURUSD H1 et téléchargez le fichier (menu Charts\Template\Load Template...) et vérifiez Objects List dans le menu contextuel.
Et personne ne vous demande un graal, juste de résoudre le problème et de confirmer en pratique ce que vous dites et comment la bibliothèque fonctionne.
Si vous vous intéressez aux architectures avancées de réseaux neuronaux, vous découvrirez des idées très intéressantes. Bien sûr, il est difficile d'entrer dans les détails, vous devez avoir de l'expérience avec les cadres pour le tramage, et une compréhension des mathématiques vectorielles en général.
Mais cela en vaut la peine.
Quant au marché, je n'ai pas grand-chose à montrer, le marché est ***inok) Il faut beaucoup de temps.
Venez nous rejoindre dans le discord, nous avons un endroit calme et confortable) Je vais vous décrire et vous montrer par des exemples comment préparer des réseaux profonds.
Ne lui donne pas, il te baisera la cervelle.
Si vous vous intéressez aux architectures avancées de réseaux neuronaux, vous découvrirez des idées très intéressantes. Bien sûr, il est difficile d'entrer dans les détails, il faut avoir de l'expérience avec les cadres de tramage, et comprendre les mathématiques vectorielles en général.
Mais cela en vaut la peine.
Quant au marché, je n'ai pas grand-chose à montrer, le marché est ***inok) Il faut beaucoup de temps.
Venez nous voir dans le discord, nous avons un endroit calme et confortable) Je vais vous décrire et vous montrer par des exemples, comment préparer un réseau profond.
Je communique sur le forum et ne soutiens pas les sectes
)
Je suis un programmeur, pas un télépathe. Si vous avez des questions, je vous donnerai les réponses...
Réponse : 42 :D
Ce qui m'intéresse, c'est de savoir pourquoi cela doit fonctionner, et non de savoir ce qui est relié à quoi et à quelle vitesse.
explication théorique de l'approche, je ne l'ai pas réalisé à partir du code et ce n'est pas amusant d'utiliser java et spark etc. juste pour le comprendre
c'est-à-dire, comment voyez-vous et travaillez-vous avec iO, la profondeur de votre compréhension, pour ainsi dire.
si vous répondez à 43, je ne vous le redemanderai pas :)
Une partie de ma bibliothèque, qui se trouve sur MQL5, n'est pas directement liée à Apache Spark. Il existe un module séparé en Java qui convertit les données pour les utiliser dans Spark. Et ce module devrait être porté en Python.
Apache Spark est un système distribué de traitement des données (big data) + module pour Random Forests. Peut traiter des données sur 1000 serveurs (Facebook est tombé sur un tel seuil).
Big data - quand le traitement des fichiers ne tient pas dans la mémoire vive.
Donné : 800 prédicteurs sur 2 ans dans 5GB.
Tâche : Utiliser quelques serveurs Amazon bon marché pour créer 250 arbres en 1 à 2 heures.
Solution : AWS EMR + Apache Spark.
Existe-t-il une option pour résoudre ce problème sans utiliser Spark ?
Apache Spark vous permet d'oublier le manque de RAM.
J'ai créé une forêt aléatoire de 500 arbres avec 7000 prédicteurs et 30 Go de données. Amazon a fonctionné pendant 15 heures sur deux serveurs avec 16 CPUs.
Apache Spark vous permet d'oublier le manque de RAM.
J'ai créé une forêt aléatoire de 500 arbres avec 7000 prédicteurs et 30 Go de données. Amazon fonctionnait 15 heures sur deux serveurs avec 16 CPUs.
Et l'intérêt de 7000 prédicteurs dans une forêt aléatoire ? C'est toujours une reconversion. J'ai pris environ 30-40 prédicteurs et j'ai entraîné la forêt. J'ai ensuite vérifié chacun d'entre eux un par un et sélectionné 4 prédicteurs de cette façon.
La forêt formée avec quatre prédicteurs est un peu plus performante qu'avec 30-40 prédicteurs, mais pas de beaucoup. Les citations, en particulier celles du forex, ont un type de données plus aléatoire et il s'avère que +5% (prédire correctement 55%) de la classe souhaitée par rapport à la classe négative.
Peut-être, bien sûr, pouvons-nous d'une manière ou d'une autre extraire une composante de la série de prix qui divisera mieux les classes, mais jusqu'à présent je n'ai pas réussi à le faire.
Ce que je veux dire, c'est qu'il n'est pas nécessaire de créer des prédicteurs. Je ne pense pas que cela ait beaucoup de sens, cela ne fera qu'accélérer la reconversion de la forêt.
Apache Spark vous permet d'oublier le manque de RAM.
J'ai créé une forêt aléatoire de 500 arbres avec 7000 prédicteurs et 30 Go de données. Amazon a fonctionné pendant 15 heures sur deux serveurs avec 16 CPUs.
Ils ont décidé d'entasser les incapables et de multiplier les prédicteurs sans aucun sens.
où avez-vous obtenu autant de prédicteurs ? quelle est leur importance? il y a 1/3 de la forêt qui n'est pas inclus dans l'ensemble d'entraînement et 95% ont une faible importance. Et quelle est la réponse du système maintenant avec autant de prédicteurs, 3 heures pour 1 prévision ? )