L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1606
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
tout d'abord, qu'est-ce qui fait échouer les régresseurs ? quelle absurdité, alors pourquoi le MGUA échoue-t-il aussi lorsque le problème devient plus compliqué ?
Deuxièmement, les données que j'ai données dans l'exemple sont les mêmes pour le MGUA et le boost.
troisièmement, vous n'avez pas besoin de faire quoi que ce soit, ne pouvez-vous pas faire une matrice avec quatre valeurs aléatoires en python et ensuite les cumuler ? Pour vérifier par vous-même le boost ?
2 lignes de code ))))
Je me demande ce que c'est.
mgua crée de fausses variables à partir de la source, (en fonction du noyau que vous utilisez)
le mgua crée de fausses variables, (selon le noyau utilisé) encore une fois
Oubliez la MSUA, je vous le dis - créez un ensemble de données comme le mien et lancez votre booing dessus et voyez ce qui se passe, SANS MSUA, juste forrest ou ce que vous voulez. Ou vous envoyer le fichier texte avec mes données ?
Oubliez le MSUA, je vous le dis - créez un ensemble de données comme le mien et faites votre boosting dessus et voyez ce que vous obtenez, SANS MSUA, juste Forrest ou ce que vous voulez. Ou dois-je vous envoyer un fichier texte avec mes données exactes ?
oui je te dis pourquoi le boosting est mal formé ka kusumma toi et mgua c'est bien. À cause des faux régresseurs, les régresseurs polynomiaux, par exemple.
Prenez une régression linéaire x sur y, ajoutez x^2, x^3 comme faux régresseurs, vous obtenez une régression polynomiale qui s'ajuste à la courbe.
et la forêt ne s'adaptera pas aussi bien sur le x seul. Et mgua fabrique des fausses variables à l'échelle industrielle.
Je parle de la partie technique de la chose. C'est pour ça que tu penses que le mgua est génial et que le boosting est de la merde. Parce que vous ne comprenez pas comment utiliserEugène Bon après-midi, merci beaucoup, au moins pour le fait que vous êtes un praticien et non un autre rubbishman dont il existe 95%..... Ce que vous faites(tester sur un "troisième" échantillon) en termes de GMDH est appelé "critère de puissance prédictive"http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1.82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune.
Rappelons que les premières publications sur le GMDH ont commencé quelque part dans les années 1960 ; l'idée de "votre savoir-faire" avec le testsur le "troisième" échantillon a déjà 60 ans)))).
Mais je tiens à noter que l'approche ne vieillit jamais, aussi je recommande vivement la lecture des travauxde A.G. Ivakhnenko...
Par exemple, la régression MSUA se moque de la régression de l'algorithme moderne de forêt aléatoire et de toutes sortes de boostings...
Maintenant, à propos des liens sur Telegram... Je n'y ai rien trouvé d'autre que des signaux, mais il est intéressant de lire votre approche et votre façon de penser, Dmitry avait raison de dire qu'il faut publier ici, bien que sous une forme ouvertement rustre...
J'affirme simplement que j'ai pu former le réseau neuronal et que ses signaux sur le marché réel confirment qu'il est correctement formé.
Il s'agit de la première démonstration publique d'un réseau qui fonctionne, alors que ce sujet est généralement en panne et que les résultats ne sont pas fiables.
Si vous avez observé les signaux, vous avez dû remarquer que le réseau réagit correctement au marché. De plus, son comportement ne peut être expliqué par nos stratégies de trading habituelles ou par la liaison à des indicateurs, au contraire, son comportement est souvent illogique.
La performance n'a pas d'importance à ce stade, ce qui compte c'est le fait que ce soit même possible, et la qualité de la prédiction peut être améliorée indéfiniment, c'est une question de temps et d'équipement.
Oui je vous dis pourquoi le boosting est mal formé ka cusumma vous et mgua est bon. À cause de faux régresseurs, polynomiaux, par exemple.
Prenez une régression linéaire x sur y, ajoutez x^2, x^3 comme faux régresseurs, vous obtenez une régression polynomiale qui s'ajuste à la courbe.
et la forêt ne s'adaptera pas aussi bien sur le x seul. Et mgua fabrique des fausses variables à l'échelle industrielle.
Je veux dire la partie technique de la question. C'est pour ça que tu penses que le mgua est génial et que le boosting est de la merde. Parce que vous ne comprenez pas comment utiliseryep... c'est bon ))
Mais il ressort quand même bien que de faux régresseurs sont produits par MGUA
Et le fait que Forest ne produise pas de faux régresseurs est mauvais.
Parce que MSUA peut traiter les mêmes données "out of the box" et que le boosting doit créer ces régresseurs manuellement ... Et pour les créer, je ne sais pas, tout dépend des données.
Je ne comprends pas cette subtile ironie, qu'est-ce que cela a à voir avec GMDH ? Je n'ai pas prétendu que c'était mon savoir-faire, c'est juste un contrôle de routine des résultats.
Je prétends simplement que j'ai pu former le réseau neuronal et que ses signaux sur le marché réel confirment qu'il est formé de manière adéquate.
Il s'agit de la première démonstration publique d'un réseau qui fonctionne, alors que ce sujet est généralement en panne et que les résultats ne sont pas fiables.
Si vous avez observé les signaux, vous avez dû remarquer que le réseau réagit correctement au marché. De plus, son comportement ne peut pas être expliqué par nos stratégies de trading habituelles ou par des indicateurs contraignants, au contraire, son comportement est souvent illogique.
L'efficacité, à ce stade, n'a pas d'importance, ce qui compte c'est le fait que c'est même possible, et la qualité des prédictions peut être améliorée à l'infini, c'est une question de temps et d'équipement.
Oubliez l'ironie ;))
Les signaux sous forme de messages textuels sont quelque peu difficiles à comparer avec les performances du marché, je serais heureux de voir les échanges sous une forme plus visuelle. Je serais heureux de voir les résultats du trading sous une forme visuelle. Encore une fois, pas un seul mot sur l'algorithme des actions pour créer l'algorithme de trading, quels sont les jetons, quelle est la cible, comment les données sont prétraitées, etc.
Max ! As-tu essayé d'utiliser des règles associatives pour trouver des modèles, comme l'algorithme d'Arriori ou similaire ?
Peu importe l'ironie.)
Les signaux sous forme de messages texte sont difficiles à comparer avec les performances sur le marché, je serais heureux de voir le commerce sous une forme plus visuelle. Je serais heureux de voir les résultats du trading sous une forme visuelle. Et encore une fois, pas un seul mot sur l'algorithme des actions pour créer l'algorithme de trading, quels sont les jetons, quelle est la cible, comment les données sont prétraitées et ainsi de suite.
1) seulement M1 tf, parce que les prédictions ne sont pas liées aux délais,
2) l'indicateur devra demander les informations via des sockets à mon serveur, car il est irréel d'exécuter tensorflow sur le client.
3) Maintenant le calcul de tous les modèles pour chaque chandelier prend 12-13 secondes, la prochaine fois ce sera beaucoup plus long, je vais devoir manquer de matériel...
La deuxième option - essayer de faire un indicateur sur tradingview, mais il n'est pas certain que pine supporte les web-sockets. Il n'y a pas d'autres options, on dessine les cartes rétroactivement - personne ne le croira.
En ce qui concerne l'algorithme et le reste, je suis prêt à répondre à toutes les questions, à l'exception de la logique de sélection des données d'entrée pour la formation.
Oui, la visualisation est nécessaire. Les signaux sont tordus. Il y a une idée pour faire un indicateur de type AO - sous chaque chandelier il y a une barre avec une force de prédiction au-dessus et au-dessous de zéro. Mais il y a des problèmes :
1) seulement M1 tf, parce que les prédictions ne sont pas liées aux délais,
2) l'indicateur devra demander les informations via des sockets à mon serveur, car il est irréel d'exécuter tensorflow sur le client.
3) Maintenant le calcul de tous les modèles pour chaque chandelier prend 12-13 secondes, la prochaine fois ce sera beaucoup plus long, je vais devoir manquer de matériel...
La deuxième option - essayer de faire un indicateur sur tradingview, mais il n'est pas certain que pine supporte les web-sockets. Il n'y a pas d'autres options, on dessine les cartes rétroactivement - personne ne le croira.
En ce qui concerne l'algorithme et le reste, je suis prêt à répondre à toutes les questions, à l'exception de la logique de sélection des données d'entrée pour la formation.
Il est difficile de demander quoi que ce soit ici, tout commence par le prétraitement des données, et c'est ce dont vous ne voulez pas parler... (
OK... Je me demande
1) L'algorithme fonctionne-t-il sur les devises ?
2. le réseau construit-il la prévision pour une durée fixe de n bougies ou décide-t-il lui-même de la durée de la prévision ?
3. pourquoi le traitement du signal est si long : 12-13 secondes par bougie.
4. pourquoi voulez-vous diffuser les accords publiquement ?
5. pour les prédictions, utilisez des données sous forme de fonction (prix, indicateur) ou quelque chose de plus délicat.
la meilleure visualisation est l'accord
Oui... je l'ai.)
Mais le fait que de faux régresseurs MSUA soient produits reste une bonne chose.
Et le fait que Forest ne produise pas de faux régresseurs est mauvais.
Parce qu'avec les mêmes données MSUA peut gérer "out of the box" et boosting doit créer ces régresseurs manuellement ... Je ne sais pas lesquels créer, tout dépend des données.
il existe des librairies spéciales séparées pour générer des caractéristiques fictives et vous pouvez ensuite les ajouter à la liste.
mgua lui-même est un algorithme faible qui utilise la régression ordinaire, ce qui fait qu'il engendre des idiots dès le départ.