L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1602

 
Bonjour, conseillez quelques bibliothèques ou frameworks ML qui fonctionnent bien avec la classification entre, disons, 10 classes différentes, idéalement en C#.
En exécutant ML.NET sur ses données, il a identifié les méthodes les plus précises.

- Classificateur LGBM
- Classificateur à entropie maximale.

Mais ML.NET présente certaines limites, et j'aimerais donc essayer d'autres options.
Non lié au marché pour le moment, mais qui sera probablement utilisé à l'avenir.

Exemple de données.

Label   Pitch   Energy  RMS     ZCR     Centroid        Spread  Flatness        Noiseness       RollOf  Crest   Entropy Decrease        C1      C2      C3      C4      C5      C6      M1      M2      M3      M4      M5      M6      M7      M8      M9      M10     M11     M12     M13

08      195.91840       749479.40000    663.49990       0.06797 5960.71800      5623.56900      0.45596 0.48241 11892.42000     113.03180       0.81972 -0.01187        0.60059 0.99703 1.12502 1.38532 1.41049 1.34596 174.31960       5.43771 0.53368 1.08706 1.28929 -0.27730        0.22525 -0.32192        -1.06489        0.18286 0.12653 -0.36697        0.04997

07      89.38548        264804.20000    427.55540       0.06677 5575.63400      5633.31900      0.41806 0.46413 11484.85000     167.75290       0.79212 -0.17176        0.58641 1.03448 1.14216 1.40824 1.38114 1.41114 174.84360       4.86947 0.42199 1.17480 1.67603 -0.33066        0.54447 -0.31041        -0.75327        -0.04792        0.82607 0.23418 0.16688


 
...:
Bonjour, conseillez quelques bibliothèques ou frameworks ML qui fonctionnent bien avec la classification entre, disons, 10 classes différentes, idéalement en C#.
En exécutant ML.NET sur ses données, il a identifié les méthodes les plus précises.

- Classificateur LGBM
- Classificateur à entropie maximale.

Mais ML.NET présente certaines limites, et j'aimerais donc essayer d'autres options.
Non lié au marché pour le moment, mais qui sera probablement utilisé à l'avenir.

Exemple de données.

Avez-vous essayéCatBoost?

 
Maxim Dmitrievsky:
La voyante n'a pas vu les chelistes, c'est-à-dire qu'elle est restée anonyme. Il suffit de lui poser des questions courtes par différentes personnes et elles évaluent la réponse. Personne ne se connaît. Je me demandais juste quel était l'effet psychologique. J'ai pensé que j'aurais une charge de l'absurdité sur les cartes, mais ils sont sur le point.)

C'est de là que vient l'amibe "sait". C'est quoi la diseuse de bonne aventure ?)

Amoeba finds approximate solutions to NP-hard problem in linear time
Amoeba finds approximate solutions to NP-hard problem in linear time
  • phys.org
Researchers have demonstrated that an amoeba—a single-celled organism consisting mostly of gelatinous protoplasm—has unique computing abilities that may one day offer a competitive alternative to the methods used by conventional computers. The researchers, led by Masashi Aono at Keio University, assigned an amoeba to solve the Traveling...
 

Et j'ai réussi à former un réseau neuronal. Sur BTCUSD, il prédit le mouvement chaque minute pour les 15 prochaines minutes (sans référence aux chandeliers). La réponse neuronale est binaire (haut/bas) et exprimée numériquement de -70 à +70. Il ne s'agit pas d'une prévision de prix, mais d'un degré de confiance dans le mouvement.
Maintenant, sur le marché réel, le résultat est plus élevé que prévu. Lors du backtest, 68% des réponses réussies se sont avérées bien meilleures. Entraîné sans béquilles ni conseils, c'est-à-dire sans influence extérieure, ce que j'ai entraîné fonctionne de la même manière.
Les données ont été préparées avec MQL5 bot, TensorFlow + Keras neuron, maintenant il envoie mes prédictions à la chaîne Telegram. Je ne donne pas le lien ici mais si je peux le faire, faites-le moi savoir.

En fait, j'ai obtenu un indicateur qui donne une valeur sur chaque bougie minute. Si les valeurs sont de 30 et plus, je peux essayer d'échanger)

Je répondrai aux questions, mais je laisserai le savoir-faire sur la préparation des données pour la formation...

 
Evgeny Dyuka:

Lors du backtest, il a donné 68 % de réponses réussies, mais dans la réalité, il a été bien meilleur.

Cela ne vous dit rien, comme vous le savez. Quelles sont les attentes en matière de victoire ?

 
Andrei:

Ça ne veut rien dire, comme vous le savez. Quelles sont les attentes en matière de victoire ?

Bien sûr, il ne dit rien, mais le marché réel le fait. Les prévisions sont absolument correctes, je peux très bien deviner les tendances et les revirements à venir, pour ainsi dire... mieux que tous les indicateurs connus. Tout cela en public.
L'attente de Mat n'a pas été comptabilisée.
 
Evgeny Dyuka:
Mais le marché réel le dit, la prévision est absolument adéquate, la devinette des tendances et des renversements à venir est très bonne, pour ainsi dire... Mieux que tous les indicateurs connus. Tout cela en public.

Le pourcentage de suppositions ne dit rien, il peut y avoir 99% de suppositions rentables et 1% non rentables, ce qui couvrira tous les bénéfices.

Evgeny Dyuka:
L'attente de Mat n'a pas été comptabilisée.

Pourquoi ?

 
Andrei:

Le pourcentage de suppositions ne vous dit rien, il peut y avoir 99% de suppositions rentables et 1% non rentables, ce qui couvrira tous les bénéfices.

Pourquoi ?

Vous pouvez me convaincre que j'ai tort. J'ai fait ce projet pendant 6 mois à raison de 16 heures par jour et j'ai obtenu le résultat. Je ne peux pas vous le montrer parce que vous attendez un lien pour que je vous donne une publicité pour un casino.

Une contre-question, où devrions-nous discuter de ce sujet autrement que dans un forum principal ?
Peut-être que pour des raisons de sécurité, nous devrions équiper un délégué du forum, qui portera une combinaison de protection, s'installera sur le lien, observera et dira si c'est un casino ou non.
Après cela, nous en discuterons.

 
Andrei:

Le pourcentage de suppositions ne vous dit rien, il peut y avoir 99% de suppositions rentables et 1% non rentables, ce qui couvrira tous les bénéfices.

Pourquoi ?

Le pourcentage de suppositions n'est pas important dans ce sujet, il s'agit d'une catégorie différente. L'essentiel ici est de savoir si le réseau apprend ou non. S'il montre des signes d'apprenabilité, la porte est ouverte, et la qualité de la prédiction peut alors être améliorée à l'infini. Tout dépendra de l'équipement et du temps.