L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2108

 
Renat Akhtyamov:

un bilan rentable va vers le haut au même angle

ou géométriquement si elle est réinvestie

Je ne sais même pas quoi dire... Je ne pensais pas que le concept de rentabilité était en corrélation avec le concept de cupidité.

 
Aleksey Vyazmikin:

Voici l'échantillon - divisé en 3 parties, je comprends que seul train.csv doit être modifié ?

Colonne cible "Target_100" - les 4 dernières colonnes ne sont pas impliquées dans la formation (vous pouvez y orienter la colonne de date) - elles sont nécessaires pour la construction du bilan.

Je le ferai sur Google Colab. Vous pourrez télécharger des fichiers et les convertir vous-même, sans installer python.
 
Aleksey Vyazmikin:

Je ne sais même pas quoi dire... Je ne pensais pas que le concept de rentabilité était lié au concept d'avidité.

sur le graphique du bilan, l'augmentation au cours des 4,5 dernières années sur les 5 indiquées, est pratiquement nulle.

comment pouvez-vous le supporter ?

il est clairement trop tôt pour parler de rentabilité

 
Aleksey Vyazmikin:

Vous pouvez également essayer d'augmenter la profondeur. Vous devriez également diminuer le taux d'apprentissage en parallèle - cela améliore également les résultats sur les échantillons non équilibrés.

Différentes méthodes de quantification y sont utilisées, notamment celles qui prennent en compte l'encombrement des objets dans la plage.

Si vous avez trouvé le processus de quantification dans le code (fixation des limites), pouvez-vous poster ce code ? Il doit y avoir des fonctions dedans ?

Ici https://github.com/catboost/catboost/blob/3cde523d326e08b32caf1b8b138c2c5303dc52e5/library/cpp/grid_creator/binarization.cpp

Les 5 types de quantification. Commencez par le truc le plus simple (juste par l'encombrement) appelé GenerateMedianBorders

catboost/catboost
catboost/catboost
  • catboost
  • github.com
A fast, scalable, high performance Gradient Boosting on Decision Trees library, used for ranking, classification, regression and other machine learning tasks for Python, R, Java, C++. Supports comp...
 
Maxim Dmitrievsky:
Je vais le faire dans Google Colab. Vous pourrez télécharger des fichiers et effectuer des conversions sans installer python.

Merci !

J'ai regardé la vidéo, merci ! J'ai cru comprendre que vous ne pouvez convertir qu'une partie de l'échantillon, pas l'ensemble de l'échantillon ?

Et peut-être savez-vous comment sauvegarder les fichiers dans une archive ? Mon Internet est trop lent :(

 

Ici https://github.com/catboost/catboost/blob/3cde523d326e08b32caf1b8b138c2c5303dc52e5/library/cpp/grid_creator/binarization.cpp

les 5 types de quantification. Commencez par le type F le plus simple (en termes d'encombrement) appelé GenerateMedianBorders.

Merci ! Mais ce code est trop obscur pour moi : (((( Peut-être pouvez-vous le convertir en MQL5 ?

 
Renat Akhtyamov:

sur le graphique du bilan, l'augmentation au cours des 4,5 dernières années sur les 5 années présentées, est presque nulle.

comment pouvez-vous le supporter ?

il est évidemment trop tôt pour parler de rentabilité.

La croissance de 50 % n'est-elle pas relative à la croissance passée ? Pour 5 ans, 350% est un bon chiffre, si nous supposons que la stratégie est primitive et qu'il s'agit de prunes au départ, et que des indicateurs avec des paramètres standard de MT5 sont utilisés. Cela montre l'approche qui semble être efficace.

 
Aleksey Vyazmikin:

Merci !

J'ai regardé la vidéo, merci ! Je comprends que vous ne pouvez convertir qu'une partie de l'échantillon, pas l'ensemble de l'échantillon ?

Et peut-être savez-vous comment sauvegarder les fichiers dans une archive ? Mon internet est trop lent :(

tous les fichiers seront automatiquement zippés

différentes longueurs d'échantillon si vous sur-échantillonnez certains d'entre eux.

J'ai téléchargé le zip séparément. Ils devraient changer l'Internet, ils ont des fichiers de 200 mb tout seuls))

 
Aleksey Vyazmikin:

Merci ! Mais le code est trop peu clair pour moi : (((( Peut-être pouvez-vous le convertir en MQL5 ?

Trop paresseux pour convertir)
Laissez-moi vous expliquer :

1) nous trions la colonne
2) nous comptons le nombre moyen d'éléments dans un quantum, par exemple, 10000 éléments / 255 quanta = 39,21
3) dans la boucle, nous nous déplaçons de 39,21 éléments à chaque étape, et ajoutons la valeur du tableau trié au tableau des valeurs des quanta. Par exemple, la valeur 0 du tableau = 0 quantum, la 39e valeur = 1 quantum, la 78e valeur = 2 quantum, etc.

Si la valeur est déjà dans le tableau, c'est-à-dire si elle se trouve dans une zone où il y a beaucoup de doublons, aucun doublon n'est ajouté.

À chaque étape, nous ajoutons exactement 39,21, puis nous arrondissons la somme pour sélectionner l'élément du tableau, afin qu'il soit égal. En d'autres termes, au lieu de l'élément 195 (39 * 5 = 195), ajoutez 196 (39,21 * 5 = (int) 196,05).