L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 106
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
VENTE ACHAT Interprétation
-1 0 vendre
0 0 clôture
0 1 achat
-1 1 clôture
Voici le tableau des interrupteurs. Vous pouvez en déduire que les signaux apparaissent lorsque les signaux de la grille sont présents et ne se contredisent pas.
Merci ! Donc, comme dans mon classificateur ternaire - incohérence de deux classificateurs binaires - s'asseoir sur la barrière.
Il s'avère que nous sommes arrivés à la même solution en parallèle : un ternaire peut être assemblé à partir de deux classificateurs binaires. Cette méthode est plus facile à mettre en œuvre qu'un ternaire à trois sorties, car avec un ternaire à trois sorties, il n'est pas évident d'interpréter les différences, car toutes les sorties doivent être mutuellement exclusives, ce qui n'est pas toujours le cas.
Et nos conclusions sont également les mêmes : un ternaire de deux binaires a une plus grande capacité de généralisation que les binaires individuels.
Merci ! Ainsi, comme mon classificateur ternaire - l'incohérence des deux classificateurs binaires est assise sur la clôture.
Il s'avère que nous sommes arrivés à la même solution en parallèle : un ternaire peut être assemblé à partir de deux classificateurs binaires. Cette méthode est plus facile à mettre en œuvre qu'un ternaire à trois sorties, car avec un ternaire à trois sorties, la manière d'interpréter les désaccords n'est pas claire, puisque toutes les sorties doivent être mutuellement exclusives, ce qui n'est pas toujours le cas.
Et nos conclusions sont également les mêmes : un ternaire de deux binaires a une plus grande capacité de généralisation que les binaires individuels.
En fait, l'addition de deux classes binaires à un ternaire ne donne pas un ternaire.
En ajoutant une troisième classe, on obtient comme une contradiction de deux classes. Et si le ternaire d'origine ? Par exemple, en termes de zigzag, à quoi ressemble-t-il ? Le hors-marché est-il un déplacement latéral dans le zigzag ? C'est-à-dire une variable cible complètement différente de la vôtre.
Avec ces explications, cela semble plausible. Et à quel point les modèles que vous échangez sont-ils rares ? Par exemple, s'il existe des exemples de formation avec les classes"ouvrir une position d' achat" et "fermer toutes les transactions", quel serait le rapport en pourcentage de ces classes ? Supposons que la classe d'achat corresponde à une forte hausse du prix de plusieurs centaines de points, c'est-à-dire que la quantité de classe d'achat représente environ 10 % de tous les exemples d'apprentissage ?
Je n'applique pas de signaux de "proximité". Neuronics sait seulement comment entrer sur le marché, tandis que le système de trading décide comment en sortir. C'est mieux que d'appliquer cette même TS aux signaux aléatoires en général.
Dans le quatrième forum, j'ai écrit précédemment que je suis profondément convaincu que pour neuronkey et les systèmes d'apprentissage automatique similaires, seuls les TS avec une action limitée dans le temps des signaux de trading sont assez bons. Au départ, il y a des contradictions insurmontables pour les neurones (acheter ou vendre avec l'espérance d'un futur infini de manière égale et sans avantage l'un par rapport à l'autre), donc pour les neurones je ne permets pas de décider quand fermer les trades.
Je n'applique pas de signaux de "proximité". Les neurones ne savent que comment entrer sur le marché, tandis que le système de trading décide comment en sortir. C'est mieux que d'appliquer cette même TS aux signaux aléatoires en général.
Dans le quatrième forum, j'ai écrit précédemment que je suis profondément convaincu que pour neuronkey et les systèmes d'apprentissage automatique similaires, seuls les TS avec une action limitée dans le temps des signaux de trading sont assez bons. Au départ, il y a des contradictions insurmontables pour les neurones (acheter ou vendre avec l'espérance d'un futur infini de manière égale et sans avantage l'un par rapport à l'autre), donc pour les neurones je ne permets pas de décider quand fermer les trades.
Votre message m'a rendu heureux.
J'ai prêché ici que considérer les algorithmes d'apprentissage automatique en dehors d'un système de trading est un exercice creux. Vous êtes le premier à faire la même remarque.
Vous devez danser à partir du système de trading et utiliser des modèles d'apprentissage automatique pour essayer d'améliorer les paramètres du VRAI système de trading. J'ai inséré rf et réduit le tirage au sort. En fait, le TS réel a beaucoup plus de caractéristiques que l'achat/la vente.
1) Il existe un réseau qui peut être entraîné s'il reçoit des données qu'il ne connaissait pas auparavant. Vous serez peut-être intéressé par la lecture de ce document. Ce réseau s'appelle SOINNhttps://www.google.com.ua/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=soinn.
2) Je suis fatigué d'écrire à ce sujet, de plus j'ai pratiquement prouvé que le marché va à l'encontre de ses propres statistiques et j'ai même expliqué la mécanique, pourquoi cela se produit et toutes les études sous forme classique ne peuvent pas s'y appliquer, mais personne ne s'y intéresse, tout le monde fait la même chose.
1. Merci, je vais le lire. voir p2.
2. le problème de l'évolution des modèles dans le temps n'est pas soluble, à mon avis, même avec le préapprentissage, car il ne faut pas seulement ajouter de nouveaux modèles à la base de connaissances, il faut aussi trouver ceux qui ont changé et savoir s'ils ont changé du tout... Il s'agit d'une tâche très difficile et apparemment insurmontable. C'est une section de l'IA, de la pensée, de l'intelligence, c'est comme apprendre la table de multiplication et être capable d'appliquer les mathématiques à toutes les tâches, même les nouvelles non conventionnelles et non familières. C'est une section de la pensée capable de faire des découvertes, c'est-à-dire capable de générer de manière autonome des informations et des connaissances utiles. Mais, les applications astucieuses de la neuronique ne sont pas interdites et sont possibles, bien sûr : je pense qu'il s'agit simplement de la section des statistiques et du calcul des probabilités, des statistiques pour se souvenir, et des probabilités pour sauvegarder. Une combinaison réussie de statistiques et de calculs de probabilité donnerait plus d'écart, peut-être même être, du moins tous les espoirs sont dans ce seul cas.
Votre message m'a rendu heureux.
Je prêche ici que considérer les algorithmes d'apprentissage automatique en dehors du cadre d'un système de trading est un exercice creux. Vous êtes le premier à faire une remarque similaire.
Vous devez danser à partir du système de trading et utiliser des modèles d'apprentissage automatique pour essayer d'améliorer les paramètres du VRAI système de trading. J'ai inséré rf et réduit le tirage au sort. En fait, le véritable TS a beaucoup plus de caractéristiques que l'achat/la vente.
Heureux de l'être, tout à fait.
Il est surprenant que l'apprentissage automatique puisse être considéré par quiconque, indépendamment de tout TS particulier...
Pour le forex, c'est également possible, mais cela demande autant d'efforts.
Oui, mais pas sur la configuration des neurones.
Merci ! Ainsi, comme mon classificateur ternaire - l'incohérence des deux classificateurs binaires est assise sur la clôture.
Il s'avère que nous sommes arrivés à la même solution en parallèle : un ternaire peut être assemblé à partir de deux classificateurs binaires. Cette méthode est plus facile à mettre en œuvre qu'un ternaire à trois sorties, car avec un ternaire à trois sorties, il n'est pas évident d'interpréter les différences, car toutes les sorties doivent être mutuellement exclusives, ce qui n'est pas toujours le cas.
De rien).
Eh bien oui, un simple ternaire n'a pas cet effet merveilleux de réduire le nombre de transactions tout en réduisant la reconnaissance du marché (hormis la difficulté d'interpréter les signaux). Mais c'est grâce au ternarnik que j'en suis arrivé là (j'ai reconnu verbalement le mot ici).
2. le problème de l'évolution des modèles dans le temps n'est pas soluble, à mon avis, même avec le préapprentissage, car non seulement nous devons ajouter de nouveaux modèles à la base de connaissances, mais nous devons trouver ceux qui ont changé et savoir s'ils ont changé du tout...
La question du préapprentissage est bien illustrée par l'exemple suivant
Exemple.
Ajustement d'un modèle sur un échantillon de 5000 bars. Le modèle lui-même donne un graphique qui montre comment l'erreur change au fur et à mesure que le nombre d'arbres augmente, et l'arbre est le modèle. Sur mes prédicteurs, il est possible d'utiliser 100 arbres. J'en prends 300 pour faire des erreurs complètement correctes. Je commence l'ajustement (et non l'application) sur un échantillon de 20 000 barres. Ce qui est surprenant, c'est que le graphique des erreurs n'a pas changé ! Le nombre d'arbres est resté le même. C'est-à-dire que les variantes du modèle ont déjà été épuisées lors des 5000 premières barres.
Mais le plus désagréable est que cela ne résout pas le problème. Et le problème est celui du réentraînement du modèle, c'est-à-dire que l'on retire certaines particularités et que l'on construit des arbres à partir de celles-ci.
Quel est le problème ?
Le problème vient des prédicteurs, pas du modèle.
Je sais comment mesurer le pouvoir prédictif des prédicteurs. Ainsi, non seulement je dois écarter les prédicteurs qui n'ont aucune capacité prédictive (prédicteurs de bruit), mais la capacité prédictive doit être stationnaire. Je n'ai pas été capable de trouver de tels prédicteurs. Et le problème demeure.
De rien).
Eh bien oui, un simple ternaire n'a pas le merveilleux effet de réduire le nombre de transactions tout en réduisant la reconnaissance du marché (hormis la difficulté d'interpréter les signaux). Mais c'est grâce au ternaire que j'en suis arrivé là (reconnaissance verbale du mot ici).
Ternaire signifie qu'il peut prendre trois états mutuellement exclusifs. Un autre nom pour cela est ternaire.
Une grille avec trois sorties, chacune binaire, peut produire 8 états mutuellement exclusifs dont seulement trois sont interprétés sans ambiguïté comme un ternaire. Et les 5 autres États ne savent pas comment les interpréter ?