L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2607
![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
Même en supposant qu'il soit prouvé (bien que cela puisse et soit souvent un problème) que quelqu'un gagne de manière constante année après année, on ne voit pas du tout à quoi peut ressembler la preuve que cela est fait par le même algorithme. J'aimerais que les options soient plus significatives que "croyez-moi sur parole" et "je vous le dis".
Le marché présente certaines caractéristiques stables. Un comportement commercial stable peut en découler. Des algorithmes stables exploitant ce comportement peuvent en découler.
Le jaune surligné - pratiquement une description parfaite des résultats de trading basés sur les modèles identifiés sur l'historique) Il n'est pas nécessaire que tout se casse immédiatement, mais c'est presque toujours "ce n'est pas comme ça maintenant")
Il y a une question comme celle-ci :
Deux modèles sont utilisés. L'un prédit d'acheter ou de vendre, l'autre d'échanger ou de ne pas échanger.
D'abord, le premier modèle est entraîné, puis nous regardons où il prédit mal, nous marquons ces exemples comme "ne pas échanger", les autres bons comme "échanger", et nous enseignons cela au deuxième modèle.
Le premier modèle est testé non seulement dans la zone de formation mais aussi dans la zone supplémentaire et le second modèle est formé dans les deux zones.
Nous répétons cette opération plusieurs fois, en réentraînant les deux modèles sur le même ensemble de données. Les résultats s'améliorent progressivement sur les échantillons. Mais pas toujours sur l'échantillon de contrôle.
Parallèlement à cela, nous conservons un journal des mauvaises transactions cumulées pour toutes les passes, toutes les "mauvaises" transactions pour "ne pas échanger" sont collectées dans ce journal pour l'entraînement du second modèle et filtrées selon un certain principe : plus il y a de copies de mauvaises transactions pour toutes les passes, plus il y a de chances de les marquer comme "ne pas échanger".
Par exemple, pour chaque date, un certain nombre de mauvaises transactions est accumulé pour toutes les itérations de l'apprentissage, lorsque ce nombre dépasse un seuil (moyenne, moyenne), ces transactions sont marquées comme "ne pas négocier". Les autres transactions sont ignorées, sinon il serait possible d'exclure toutes les transactions s'il y a beaucoup d'itérations d'entraînement.
Le coefficient vous permet d'ajuster le nombre de transactions à la sortie, plus il est faible, plus le nombre de transactions filtrées est élevé.
... à ce stade, je suis déjà fatigué d'écrire ...
Comment améliorer une telle combinaison de modèles pour qu'elle améliore ses résultats sur une nouvelle parcelle indépendante ?
Y a-t-il une philosophie qui explique pourquoi cela pourrait fonctionner ? Outre le fait que les modèles s'améliorent naturellement les uns les autres (l'erreur diminue) à chaque cycle de réentraînement, mais comment se débarrasser de l'ajustement ?
Illustration. Le graphique est divisé en 3 parties. Le dernier forme le premier modèle, l'avant-dernier et le dernier le second, le premier tiers est un échantillon d'examen. Naturellement, la dernière section sera la meilleure et le premier tiers la pire.
Ici, il y a eu 15 itérations de réentraînement des deux modèles, en utilisant un journal des mauvaises transactions.
Franchement, le système dans son ensemble semble très sophistiqué et il est peu probable qu'une personne de l'extérieur soit en mesure de dire quoi que ce soit de significatif.
1) Il existe une certaine association avec le boosting, où chaque modèle successif tente d'améliorer l'erreur des modèles précédents.
2) Je préfère l'approche qui consiste à ne pas essayer d'obtenir un modèle complexe pour tous les cas, mais à en créer plusieurs, simples, qui fonctionnent selon le principe du commerce ou du non commerce. Vous pouvez en faire deux : "acheter" et "vendre". Vous pourriez en avoir quatre : "acheter après une hausse", "acheter après une baisse", "vendre après une baisse", "vendre après une hausse". Peut-être que d'autres variantes peuvent être inventées). Ensuite, elles peuvent être combinées d'une manière ou d'une autre - toutes sortes d'options créatives sont possibles ici aussi).
Le jaune surligné est une description presque parfaite des résultats d'un trade basé sur les modèles identifiés sur l'historique) Ce n'est pas nécessairement que tout va casser tout de suite, mais c'est presque toujours "maintenant ce n'est pas")
Il n'est pas nécessaire que tout se casse tout de suite, mais c'est presque toujours "ce n'est pas comme ça maintenant").
Je commençais à penser que nous glissions lentement vers le sophisme. Il ne s'agit pas de prétendre qu'il existe des modèles "éternels" (le soleil finira par s'éteindre avec une probabilité de 1 aussi). Le fait est qu'il existe des lois dont la durée de vie est suffisamment longue pour être exploitée à son avantage. Et leur "durée de vie" est généralement directement proportionnelle à la complexité de l'exploitation minière ou à la complexité technologique de l'exploitation (par exemple, le CPT). L'expérience montre qu'avec une certaine diligence, quelques mois ou plusieurs mois sont raisonnables.
Je commençais à penser que nous glissions lentement vers le sophisme. On ne peut pas prétendre qu'il existe des régularités "éternelles" (le soleil finira par s'éteindre avec la probabilité 1). Le fait est qu'il existe des lois dont la durée de vie est suffisamment longue pour être exploitée à son avantage. Et leur "durée de vie" est généralement directement proportionnelle à la complexité de l'exploitation minière ou à la complexité technologique de l'exploitation (par exemple, le CPT). L'expérience montre qu'avec une certaine diligence, quelques mois ou plusieurs mois sont raisonnables.
difficile de ne pas être d'accord
j'aimerais aussi écrire un programme pour les échangeurs qui travaillerait sur un algorithme avant la compensation.
mais on dirait que je suis fatigué d'écrire
Le jaune surligné est une description presque parfaite des résultats de trading basés sur les modèles identifiés) Il n'est pas nécessaire que tout se casse la figure tout de suite, mais c'est presque toujours "pas maintenant")
Je commençais à penser que nous glissions lentement vers le sophisme. On ne peut pas prétendre qu'il existe des régularités "éternelles" (le soleil finira par s'éteindre avec la probabilité 1). Le fait est qu'il existe des lois dont la durée de vie est suffisamment longue pour être exploitée à son avantage. Et leur "durée de vie" est généralement directement proportionnelle à la complexité de l'exploitation minière ou à la complexité technologique de l'exploitation (par exemple, le CPT). L'expérience montre qu'avec une certaine diligence, quelques mois ou plusieurs mois sont raisonnables.
En fait, l'espoir d'une telle chose nous unit tous ici. Je souhaite simplement que cet espoir ne déforme pas la perception de la réalité.
L'espoir est un bon petit déjeuner, mais un mauvais dîner)
Le jaune surligné est une description presque parfaite des résultats de trading basés sur les modèles trouvés sur l'historique). Il n'est pas nécessaire que tout se casse immédiatement, mais presque toujours "ce n'est pas comme ça maintenant").
Si vous n'aimez pas l'exemple précédent, il existe dans les cercles étroits un algorithme de trading très connu, basé sur le fait que chaque jour est un jour, suivi d'un soir, d'un matin, puis d'un autre.
Il est dit que la rentabilité et l'intensité capitalistique de cet algorithme augmentent sensiblement au printemps et en automne).