L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 182
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
la quatrième et dernière partie de l'article de RNeat est sortie...
J'ose dire qu'au moins une personne ici serait intéressée de le lire.
http://gekkoquant.com/
Oui, c'est intéressant.
Je fais des essais sur des devis M30. Pour obtenir un bon résultat, il faut ajuster les paramètres de la génétique.
Mais un modèle très prometteur.
Bonne chance
Oui, c'est intéressant.
Je fais des essais sur des devis M30. Pour obtenir un bon résultat, il faut ajuster les paramètres de la génétique.
Mais modèle très prometteur.
Bonne chance
mytarmailS:
Peut-être qu'il faut rester simple ?Tu trouves la foule et tu trouves les gros bonnets...
Je pense que ce "plus facile" a déjà été volé avant nous, vous êtes trop général sur cette "foule" car je ne comprends que les petits et moyens spéculateurs, et en plus des spéculateurs il y a aussi des investisseurs et des hedgers et toutes sortes de transferts entre pays, beaucoup de positions sont donc opposées et ne peuvent pas former une foule, ce n'est pas clair comment et pourquoi chercher les actions des petits spéculateurs
Vous devez renoncer à rechercher toute sorte de modèles ou d'indicateurs graphiques.
Il est certain que tout le monde passe par là, mais tout le monde n'en sort pas grandi, c'est la même chose dans la vie, la plupart des gens ne sortent pas grandi de leur façon de penser d'adolescent.
a mentionné une solution intéressante ici, https://www.mql5.com/ru/forum/96886/page2#comment_2866637
Cependant, si vous recherchez des modèles dans la façon dont les grands acteurs déplacent leurs offres, comment ils exécutent, comment le prix se comporte après de grandes marges ou des icebergs, etc, Pour les actions, cela peut être difficile car il y a trop d'ECNs et de darkpools.
Sujet intéressant, merci.
les petits et moyens spéculateurs seuls, et en dehors des spéculateurs il y a les investisseurs et les hedgers et toutes sortes de transferts entre pays, beaucoup de positions
c'est une foule... imho et vous et moi aussi, aussi désagréable que cela puisse être....
c'est ce que représente la foule... imho et vous et moi aussi, aussi désagréable que cela puisse être....
Si votre public comprend de grands joueurs et de l'argent intelligent, jouer contre un tel public est futile.
Encore une fois, en parlant de la division, voici un exemple typique du fonctionnement du réseau, où le premier signal est correct, puis deux signaux erronés et le courant. Comme nous le voyons, le quatrième signal est différent du deuxième et du troisième, puisque le deuxième et le troisième étaient faux, c'est-à-dire qu'ils doivent être retournés, puis le dernier, puisqu'il diffère des deux précédents, aussi, doit être retourné, et ensuite suivre le plan ........ Oui, lorsque nous recevons le premier signal d'achat, nous obtenons moins, mais le deuxième signal d'achat appartient à la même classe que le précédent, qui était moins, donc il est inversé, et le dernier signal de vente est différent des deux précédents, il est renommé dans une classe différente. Et si ceux-là étaient des moins, alors celui-ci sera un plus. L'essentiel est que la division soit stable, même si le réseau a fait une erreur et a commencé à refléter les signaux, l'essentiel est qu'elle soit stable.
C'est donc comme ça : ....
Oui, c'est intéressant.
Je fais des essais sur des devis M30. Pour obtenir un bon résultat, il faut ajuster les paramètres de la génétique.
Mais modèle très prometteur.
Bonne chance
J'ai essayé de faire un modèle de travail avec rneat il y a quelques mois mais ça n'a pas marché, le modèle est surentraîné aussi. Les premières générations peuvent avoir un peu de succès sur l'OOS, mais plus la formation est longue, moins il y a de corrélation entre les résultats sur l'échantillon et l'OOS. Et ce moment où l'apprentissage s'arrête est assez difficile à saisir, même la validation croisée n'y changera rien.
Concernant l'exemple de l'article - mon résultat est complètement différent de celui de l'auteur. Le modèle en question s'est négocié à la hausse pendant environ un an, puis a perdu 20 % de son solde et a cessé ses activités. Le résultat n'est pas tant le profit mais pas "5 ans de profit" comme celui de l'auteur. Si nous prenons ces prédicteurs que l'auteur utilise (indices du gouvernement américain), ils prennent trop de temps et on ne peut pas leur faire confiance. Cet article est donc douteux.
J'ai essayé il y a quelques mois de faire un modèle fonctionnel avec rneat, mais cela n'a pas fonctionné, le modèle est aussi en surentraînement. Les premières générations peuvent avoir un peu de succès sur l'OOS, mais plus la formation est longue, moins il y a de corrélation entre les résultats sur l'échantillon et l'OOS. Et ce moment où l'apprentissage s'arrête est assez difficile à saisir, même la validation croisée n'y changera rien.
Concernant l'exemple de l'article - mon résultat est complètement différent de celui de l'auteur. Le modèle en question s'est négocié à la hausse pendant environ un an, puis a perdu 20 % de son solde et a cessé ses activités. Le résultat n'est pas tant le profit mais pas "5 ans de profit" comme celui de l'auteur. Si vous ne savez pas quoi faire avec le marché, ils suggèrent d'utiliser la bonne direction en utilisant la bonne approche. Donc tout cet article est discutable.
Je l'essaierai demain aussi....
J'ai aussi besoin de l'essayer avec mes données, mais s'il y a beaucoup de prédicteurs, cela doit être un long processus...
Avez-vous eu une longue courbe d'apprentissage ? C'est la dernière.
Sarcasme avec un soupçon. Le dessin est fait à la main. Il n'y a pas de problème à le décomposer sur une machine comme celle-ci, ou une glacière. L'essentiel est de faire en sorte que cela fonctionne à l'avenir...
Les deux premiers graphiques sont vraiment simples, n'importe quel modèle serait capable de diviser l'espace de cette façon. Mais il est impossible, à mon avis, de trouver des prédicteurs qui se regrouperaient en deux cibles aussi facilement.
Le troisième graphique est plus réaliste pour le forex. Mais ici, les modèles vont commencer à s'enliser complètement.
Je voulais trouver des exemples avec deux indicateurs forex, entraîner le modèle et dessiner une carte de partition de l'espace, mais je n'ai pas pu, 2 indicateurs c'est trop peu.
Il est plus facile de montrer un exemple comme celui-ci -http://playground.tensorflow.org - vous pouvez voir de tels graphiques pour la neuronique. Tous ces "îlots de classes", comme ceux que vous avez sur le troisième graphique, n'auront pas de frontières circulaires claires dans le modèle. Il y aura quelques ponts entre eux, des branches dans des directions différentes, etc.
Il est facile de tracer les limites des classes à la main, mais les modèles feront un travail bien pire. C'est pourquoi j'aime votre image, il est difficile de trouver des prédicteurs, une cible et un modèle tels que tout fonctionne si bien.
Je devrais essayer le SVM, si c'est si bien de diviser les zones de la même classe dans l'espace alors super, merci pour les conseils.