L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1049
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
Voulant insuffler de la vie à ce fil et vous remplir les poches sur un signal de trading par réseau neuronal, je donne :
Algorithme de préparation des données d'entrée pour le Graal
1. Le flux Erlang de l'ordre 300 et plus pour les cotations en tick (analogue à OPEN/CLOSE M5) a une distribution Laplace stable sur les incréments.
2. La somme des modules de ces incréments donnera une distribution xy-carré.
A la limite, il s'agira d'une distribution normale.
3) Ainsi, la somme des modules pour un débit donné, dans une fenêtre glissante, disons 1440 de ces valeurs = semaine (définie à partir de l'inégalité de Chebyshev), formera une distribution presque normale avec une fonction quantile et une espérance connues.
4. Il est certain qu'il est possible d'extraire des bénéfices inimaginables d'un tel processus.
Alors pourquoi n'utiliserais-je pas cet algorithme pour calculer les raccourcis, les valeurs aberrantes, etc. des absurdités ?
Oui, parce que le processus d'attente est TRÈS long pour un seul échange. La fenêtre est d'une semaine ! Nah, je n'ai pas la patience pour ça.
Et le neuronet n'a qu'à apporter le Graal en vitesse sur de telles entrées.
Bonne chance à tous !
Ah, tant d'efforts, et tout ça en vain, j'ai écrit sur les tics et le testeur de stratégie, mais non... Le Graal est juste là, je le trouverai moi-même, regarde :
1. les cotations en tick peuvent ne pas contenir toutes les informations - filtrage des tick à partir de différents flux de données, et les cotations en tick peuvent contenir des informations supplémentaires, non pertinentes pour le processus analysé - filtres de lissage des sociétés de courtage, et algorithmes d'ajout d'ordres
2,3,4 Strategy Tester et Strategy Tester again
après avoir effectué les étapes 1 à 4, le Graal n'apparaîtra pas, il s'agit seulement d'un modèle mathématique du processus analysé. Pour "atteindre l'argent", vous devez élaborer une stratégie.
Bien, envoyez le code dans votre email et je verrai ce que je peux faire. S'agit-il d'un usage personnel ou d'un accès libre pour tous ?
Je vous ai envoyé un courriel
Essayer différents modèles (prédicteurs), par exemple en construisant plusieurs modèles et en choisissant le meilleur, sur différentes données d'entrée transformées. Comme les mots de passe des comptes. Lorsqu'il n'y a pas de connaissance a priori du sujet et des modèles.
Fait à la main.
La vidéo de Wapnick en anglais portait sur ce sujetMaxime si tu veux tu peux lire les écrits d'Ivakhnenko, c'est ce dont tu parles mais sous une forme structurée et optimisée, la meilleure.
https://dic.academic.ru/dic.nsf/ruwiki/1034678
Je connais même un homme (pas personnellement) qui a construit un très bon robot basé sur ces principes.
----------------------------------
C'est ce que fait son robot.
Maxime, si tu veux, tu peux lire les travaux d'Ivakhnenko, ils sont ce dont tu parles, mais sous une forme structurée et optimisée.
https://dic.academic.ru/dic.nsf/ruwiki/1034678
Je connais même un homme (pas personnellement) qui a construit un très bon robot basé sur ces principes.
Merci, je vais le lire. J'ai d'abord construit le système pour les symboles corrélés. Cela signifie que les prédicteurs sont des instruments similaires, par exemple l'indice du dollar pour l'EURUSD et le système a essayé de trouver des modèles entre eux. Le meilleur résultat jusqu'à présent est environ 100% d'OOS à partir de la longueur du plateau, et les erreurs de taupe sont à peu près les mêmes, puis progressivement le système commence à s'effondrer (pas brusquement).
Les différentes transformations donnent, au mieux, une réduction d'erreur de 0,1 sur OOS. Il est évident qu'il faut modifier non seulement les entrées, mais aussi les sorties, ce qui exigerait beaucoup de ressources.
Maxime, si tu veux, tu peux lire les travaux d'Ivakhnenko, ils sont ce dont tu parles, mais sous une forme structurée et optimisée.
https://dic.academic.ru/dic.nsf/ruwiki/1034678
Je connais même un homme (pas personnellement) qui a construit un très bon robot basé sur ces principes.
----------------------------------
c'est le genre de marché que fait le robot de cet homme.
c'est essentiellement une machine nucléaire
Merci, je vais le lire. J'ai d'abord construit un système pour corréler les instruments. C'est-à-dire que les prédicteurs sont des instruments similaires, par exemple l'indice du dollar pour l'EURUSD, et le système a essayé de trouver des modèles entre eux. Le meilleur résultat jusqu'à présent est environ 100% d'OOS à partir de la longueur du plateau, et les erreurs de taupe sont à peu près les mêmes, puis progressivement le système commence à s'effondrer (pas brusquement).
Les différentes transformations donnent, au mieux, une réduction d'erreur de 0,1 sur OOS. Il est évident que non seulement les entrées mais aussi les sorties doivent être ajustées, mais cela consomme déjà beaucoup de ressources.
Je l'ai fait aussi, j'ai pris le DAX (Europe) et le SP500 (Pays-Bas) comme prédicteurs et j'ai essayé de prédire l'euro-dollar en utilisant des modèles de markov cachés (HMM) mais pas des réseaux neuronaux, mais ça n'a pas marché ;))
J'ai le sentiment qu'il y a quelque chose qui ne va pas chez nous, quelque chose de fondamental dans notre approche de la construction de systèmes de pronostic et nous nous heurtons à un mur...
c'est une machine nucléaire, par essence
Qu'est-ce qu'une machine nucléaire ? Je ne sais pas.
Qu'est-ce qu'une machine nucléaire ? Je ne sais pas.
Il construit différents polynômes à partir de données brutes. Reshetov l'utilise également dans son prédicteur.
J'ai le sentiment que quelque chose ne va pas chez nous, qu'il nous manque quelque chose de fondamental dans notre vision de la construction de systèmes prédictifs, et que nous nous heurtons donc à un mur.
Permettez-moi de vous rappeler qu'Aleshenka et Koldun (qui semblent être les seuls à avoir un certain succès dans le trading par réseau neuronal) passent beaucoup de temps à préparer les données d'entrée.
Honnêtement, je ne sais pas ce qu'ils font là-bas et, volontairement, je les provoque avec mes posts :)))) Hélas, ils gardent ce secret...
Eh bien, il construit des polynômes différents à partir des données brutes, le prédicteur de Reshetov utilise le même...
Et Reshetov ? Eh bien, oui, il connaît le MSUA, a-t-il dit une fois.
L'idée même de prédicteurs par force brute créant des modèles, puis des modèles de complexité croissante, est très correcte, à mon avis.
Mais peut-être que je ne devrais pas essayer d'énumérer les prédicteurs mais échanger des solutions système dans mon environnement ou autre chose...