L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1008
![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
En option, nous pouvons utiliser la discrétisation. Divisez la série par conditions et analysez les parties divisées pour savoir si elles appartiennent à un modèle. En d'autres termes, nous décomposons le problème en parties, d'abord les unités élémentaires, puis leur totalité.
En principe, cela se fait automatiquement dans les convolutions, comme l'a suggéré Maxim. Les convolutions peuvent être effectuées sur une série de chiffres, ainsi que sur des captures d'écran ou des images générées à partir d'une série chronologique.
Mais il est utile de comprendre un peu le sujet. Les motifs sont en couches. Aussi, des primitives aux abstractions plus complexes. Si vraiment intéressé, il y a une base pour la recherche, je peux aussi donner des indications ou aider avec le code.
Voulez-vous dire qu'il faut décomposer l'image en pixels, comme la reconnaissance automatique des lettres ? Ma recherche est simplement basée sur les séries de prix de deux tableaux.
S'il est possible de faire quelque chose pour trouver le modèle que nous recherchons avec moins de barres, par exemple, un modèle de 150 barres et un modèle similaire est trouvé dans l'historique mais avec la taille de 70 barres,
c'est intéressant.
Ce qui est montré dans l'image est un modèle trouvé par l'algorithme (script).
Je ne comprends pas vraiment votre définition de la markovianité, mais je ne pense pas qu'elle soit tout à fait la même que la définition habituelle. Par exemple, une tendance (comme sur votre photo) et le markovisme sont tout à fait compatibles.
La probabilité d'une telle série dans une telle séquence (même dans le cas d'une errance symétrique) est plus élevée (un problème du domaine de la combinatoire élémentaire).
Avec la marche aléatoire, l'espérance est égale à la valeur initiale ; mais sur le marché des changes, il existe également un spread qui diminue à chaque nouvelle transaction.
Faites cette expérience : tirez à pile ou face et dessinez un graphique de marche aléatoire. Si vous obtenez pile, le graphique est toujours en hausse, si vous obtenez face, il est toujours en baisse. Vous obtenez une marche aléatoire comme d'habitude.
Recommencez l'expérience, mais à chaque pile ou face, descendez un peu plus le graphique. Si le nombre de retournements est important, il y aura approximativement autant de mouvements à la hausse qu'à la baisse, mais en plus il y aura de nombreux petits mouvements à la baisse. Et ces petits mouvements à la baisse vont lentement mais sûrement orienter l'ensemble du graphique vers le bas. L'espérance mathématique ne peut pas être égale à la valeur initiale.
Donc, si le graphique devrait tendre vers le bas à environ -4 cents par transaction, mais qu'il ne tend pas, cela signifie que quelque chose ne va pas avec la marche aléatoire et le processus de Markov.
Le problème est que 5 semaines ne sont pas suffisantes pour évaluer le signal, une personne chanceuse pourrait également obtenir un tel signal en négociant une pièce, nous devons attendre quelques mois de plus pour être crédibles.
Doc, pas un modèle.
Montrez-moi 2 semaines de travail.
Honte à moi. Il s'agit simplement d'une démonstration de quelque chose que certaines personnes n'ont pas essayé mais persistent à qualifier d'impossible.
Je n'aurai pas un meilleur signal, j'en ai fini avec le forex. Un jour, il y aura des échanges de crypto avec des crypto-pams, j'y montrerai quelque chose.
Encore une fois - bien joué, Doc.
En fait, c'est le premier signal neural soutenu que j'ai vu. Même si c'est sur une démo.
Tant pis pour les pauvres vieux assis ici sur le forum au lieu de jouer aux dominos dans la cour ! Apprenez à travailler !
Je n'aurai pas un meilleur signal, j'en ai fini avec le forex. Un jour, des échanges de crypto avec des crypto-monnaies apparaîtront, j'y montrerai quelque chose.
Les crypto-monnaies peuvent s'effondrer comme l'a fait l'indice Nasdaq dans les années 2000, et de nombreuses actions dot-com qui faisaient partie de cet indice n'ont jamais atteint ces sommets. Même analogie.
Mais tant que les crypto-monnaies sont à la mode, et qu'il est plus facile de gagner de l'argent sur une tendance, c'est un axiome. Toutes les fortunes dans le trading ont été faites principalement sur les tendances.
Il serait peut-être préférable d'essayer de négocier des actions, elles ont aussi des tendances et ne sont pas si dangereuses. Lorsque les crypto-monnaies s'effondreront, beaucoup d'entre elles se dévalueront tout simplement.
Maintenant, j'ai regardé et le bitcoin est déjà à la moitié de son plus haut historique et la volatilité est gigantesque.
En général, il sera intéressant de voir votre signal comment tout cet événement va se terminer).
Avec la marche aléatoire, l'espérance est égale à la valeur initiale ; mais sur le marché des changes, il y a aussi un spread qui diminue les fonds à chaque nouvelle transaction.
Faites cette expérience : jouez à pile ou face et dessinez le graphique d'une marche aléatoire. Si les têtes sont en haut, le graphique est toujours en haut, si les queues sont toujours en bas. Vous obtenez une marche aléatoire comme d'habitude.
Recommencez l'expérience, mais à chaque pile ou face, descendez un peu plus le graphique. Si le nombre de lancers est important, il y aura approximativement autant de mouvements à la hausse qu'à la baisse, mais en plus il y aura de nombreux petits mouvements à la baisse. Et ces petits mouvements à la baisse vont lentement mais sûrement orienter l'ensemble du graphique vers le bas. L'espérance mathématique ne peut pas être égale à la valeur initiale.
Donc, si le graphique devrait tendre vers le bas à un taux d'environ -4 cents pour chaque transaction, mais qu'il ne tend pas pour une raison quelconque, cela signifie que quelque chose n'est pas compatible avec une marche aléatoire et un processus markovien.
Le fait d'avoir une tendance (légèrement à la baisse en raison de l'écart) ne rend pas l'errance aléatoire non-markovienne. Je pense que vous confondez la markovalité avec la propriété d'être une martingale - si une marche aléatoire a une tendance à la baisse, elle sera déjà une supermartingale au lieu d'une martingale.
Voilà, la chose la plus simple à faire est de montrer le signal de la démo.
Rien de compliqué, je l'ai juste fait.
Merci !
Je voulais vous le demander depuis longtemps. Supposons que j'ai un modèle de tête et d'épaules de 150 barres. J'ai besoin de trouver des modèles similaires par historique, mais ils seront trouvés si le nombre de barres est presque le même dans le modèle lui-même et le modèle trouvé. Comment s'affranchir du nombre exact de barres, rechercher une barre fréquente et en déduire une moyenne ou autre chose ?
Essayez la méthode DTW - c'est peut-être ce dont vous avez besoin.
A propos de l'échantillonnage.
Vous pouvez, par exemple, diviser l'ensemble du rayon temporel par un zigzag fin. Ensuite, les sections allant du "creux" au "sommet", et vice versa, seront des "unités élémentaires" du motif (mouvement à la hausse, mouvement à la baisse, petit mouvement à la hausse, etc.) L'analogie est celle des lettres.
Par conséquent, nous les analysons ensuite par paires et par trois. Par exemple, "voici la ressemblance de l'épaule gauche", "voici la ressemblance de la tête regardant vers le bas". L'analogie est celle des syllabes.
Il suffit ensuite de regarder les séquences de "syllabes" et de vérifier qu'elles appartiennent à des "mots".
Comme vous pouvez le deviner, la taille de l'échantillon n'aura plus d'importance, seulement la sémantique.
J'espère avoir été clair.
A propos de la convolution.
Les couches convolutionnelles peuvent être appliquées à diverses données, et pas seulement à des images. Ils sont maintenant appliqués avec succès aux textes et aux sons. Ainsi, leur potentiel sur le marché n'a pas encore été révélé (du moins ouvertement).
Tout à fait compréhensible. Je l'ai même lu quelque part.
Encore une fois - bien joué, Doc.
En fait, c'est le premier signal neural soutenu que j'ai vu. Même si c'est sur une démo.
Tant pis pour les pauvres vieux assis ici sur le forum au lieu de jouer aux dominos dans la cour ! Apprenez à travailler !
On ne peut pas chier, mais la saleté se répand.
Tu ne peux pas ne pas chier, et la saleté se répand...
Je n'ai pas le temps de me chamailler - car je ne suis pas jeune moi-même. Surtout que je viens d'attraper le Graal.
Les amis !
L'argent va bientôt se déverser dans nos poches comme une rivière à plein débit !
Oncle Sasha l'a fait comme promis.