L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1839

Nouveau commentaire
 
mytarmailS:

Ahahahaha )))) LOL ! !!

La salope est donc les mots du Trickster. Lièvre à plogiarize !!!! Je l'attends avec impatience....
 

J'aimerais avoir l'avis de tous.
Dans le paquet Darch, j'ai trouvé l'option suivante d'évaluation du modèle :
Nous calculons l'erreur sur les sections de la voie et de l'oob.
L'erreur totale est ensuite calculée comme suit :
err = oob_error * comb_err_tr + train_err * (1 - comb_err_tr) ;

où comb_err_tr = 0,62. Le multiplicateur qui contrôle la contribution des erreurs des sections train et oob. S'il est fixé à 0, l'estimation se fait par train uniquement. Si vous le mettez à 1, l'estimation est seulement pour oob.

0.62 signifie que l'erreur oob a un peu plus de poids dans l'estimation totale du modèle.

J'ai utilisé cette formule pendant un certain temps, mais j'ai maintenant des doutes.

L'erreur sur oob a généralement une limite, et sur train, si le surentraînement se poursuivait, elle pourrait descendre jusqu'à 0.
Approximativement comme ceci : (le vert est l'erreur estimée selon la formule)




Selon cette formule, l'erreur continuera à diminuer en raison de la diminution de l'erreur trn. Et il ne cessera de baisser que lorsque trn cessera de diminuer. En même temps, lorsque le recyclage a commencé, l'erreur sur l'oob commencera à augmenter.
À mon avis, il est trop tard pour arrêter l'apprentissage lorsque l'err par formule commence à grandir.
Même au point où l'erreur oob est minimale, ce n'est pas non plus optimal. En raison d'une randomisation chanceuse, nous avons accidentellement trouvé le minimum par oob, mais il peut s'agir d'une modification d'oob.
Peut-être devrions-nous prendre l'erreur minimale sur oob, et la compter comme une limite pour l'erreur sur le train ? C'est-à-dire arrêter l'entraînement du modèle lorsque l'erreur sur trn devient égale à la meilleure erreur sur oob (là où j'ai dessiné la ligne verticale) ? L'erreur sur oob sera pire, mais il ne conviendra ni à train ni à oob.

 
elibrarius:

J'aimerais avoir l'avis de tous.
Dans le paquet Darch, j'ai trouvé l'option suivante d'évaluation du modèle :
Nous calculons l'erreur sur les sections de la voie et de l'oob.
L'erreur totale est ensuite calculée comme suit :
err = oob_error * comb_err_tr + train_err * (1 - comb_err_tr) ;

où comb_err_tr = 0,62. Le multiplicateur qui contrôle la contribution des erreurs des sections train et oob. S'il est fixé à 0, l'estimation se fait par train uniquement. Si vous le mettez à 1, l'estimation est seulement pour oob.

0.62 signifie que l'erreur de oob a un peu plus de poids dans l'estimation totale du modèle.

J'ai utilisé cette formule pendant un certain temps, mais j'ai maintenant des doutes.

L'erreur sur oob a généralement une limite, et sur train, si le surentraînement se poursuivait, elle pourrait descendre jusqu'à 0.
Approximativement comme ceci : (le vert est l'erreur estimée selon la formule)




Selon cette formule, l'erreur continuera à diminuer en raison de la diminution de l'erreur trn. Et ne cessera de baisser que lorsque trn cessera de diminuer. En même temps, lorsque le surentraînement a commencé, l'erreur sur l'oob commencera à augmenter.
À mon avis, il est trop tard pour arrêter l'apprentissage lorsque l'err par formule commence à grandir.
Même au point où l'erreur oob est minimale, ce n'est pas non plus optimal. En raison d'une randomisation chanceuse, nous avons accidentellement trouvé le minimum par oob, mais il peut s'agir d'une modification d'oob.
Peut-être devrions-nous prendre l'erreur minimale sur oob, et la compter comme une limite pour l'erreur sur le train ? C'est-à-dire arrêter l'entraînement du modèle lorsque l'erreur sur trn devient égale à la meilleure erreur sur oob (là où j'ai dessiné la ligne verticale) ? L'erreur sur l'oob sera pire, mais il ne conviendra ni au train ni à l'oob.

Il y a une logique dans tout cela. La marge d'erreur est déterminée par un modèle probabiliste. Une taille d'échantillon raisonnable et le nombre de sessions de recyclage ont tous deux une certaine taille optimale, dont l'augmentation n'améliore pas le résultat.

 
mytarmailS:

Un système de trading à travers les yeux d'un algotrader

R - tu es juste apuenen ! :)

qu'en est-il des filtres numériques ou des niveaux ? :D

 
Maxim Dmitrievsky:

Les filtres numériques ou les niveaux montrent-ils quelque chose d'intéressant ? :D

La dernière chose que j'ai faite, c'est de chercher un modèle de superposition...

Nous avons un niveau - lorsque le prix le franchit, nous fixons ce modèle et le fixons comme échantillon d'entraînement.

Les motifs peuvent être différents

Je cherche tout modèle qui a émergé sur le moment, tout ensemble distinct qui résout quelque chose.


Pour extraire des règles pour les motifs, j'utilise des"règles associatives". Cette approche diffère des approches habituelles par le fait que chaque exemple d'apprentissage peut contenir un nombre quelconque d'éléments et ne tient pas compte de l'ordre des signes, ce qui est également bon pour moi.


l'objectif - trouver un extremum à partir duquel il y aura une augmentation de 10 points

 x[i]==min(x[(i-1):(i+10)])

Ce n'est pas la meilleure solution, mais c'est ce sur quoi j'écris, jusqu'à présent, je n'ai acheté que de l'argent.


l'algorithme d'extraction "apriori" du paquet "arules".


Voici à quoi ressemblent les règles trouvées

inspect(head(rules.sorted,20)) 
     lhs                              rhs   support     confidence lift     count
[1]  {(28)(28)(-1);1,(44)(45)(-1)} => {BUY} 0.001017018 0.5769231  3.046559 15   
[2]  {(25)(23)(-1);1,(5)(3)(-1)}   => {BUY} 0.001084819 0.5517241  2.913491 16   
[3]  {(31)(33)(-1),(8)(6)(-1)}     => {BUY} 0.001084819 0.5000000  2.640351 16   
[4]  {(49)(45)(-1),(54)(52)(-1)}   => {BUY} 0.001017018 0.5000000  2.640351 15   
[5]  {(25)(23)(-1),(82)(84)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[6]  {(46)(48)(-1),(56)(56)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[7]  {(25)(23)(-1);1,(40)(41)(-1)} => {BUY} 0.001017018 0.4838710  2.555178 15   
[8]  {(29)(30)(-1),(37)(39)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[9]  {(34)(32)(-1),(76)(74)(-1)}   => {BUY} 0.001898434 0.4745763  2.506096 28   
[10] {(25)(22)(-1),(7)(6)(-1);3}   => {BUY} 0.001152621 0.4722222  2.493665 17   
[11] {(17)(16)(-1);1,(49)(45)(-1)} => {BUY} 0.001017018 0.4687500  2.475329 15   
[12] {(46)(48)(-1),(62)(60)(-1)}   => {BUY} 0.001017018 0.4687500  2.475329 15   
[13] {(20)(21)(-1),(45)(46)(-1)}   => {BUY} 0.001017018 0.4687500  2.475329 15   
[14] {(19)(18)(-1);1,(60)(57)(-1)} => {BUY} 0.001220422 0.4615385  2.437247 18   
[15] {(25)(23)(-1);1,(47)(45)(-1)} => {BUY} 0.001152621 0.4594595  2.426268 17   
[16] {(40)(41)(-1),(71)(71)(-1)}   => {BUY} 0.001152621 0.4594595  2.426268 17   
[17] {(2)(1)(-1);4,(6)(6)(-1)}     => {BUY} 0.001084819 0.4571429  2.414035 16


voici la règle "1" (la meilleure) en action sur les nouvelles données

sans aucune altération, tel quel, dans l'ordre tel quel...

décidez par vous-même si ce sujet est intéressant ou non

la suite du même


Il est alors possible d'ajouter l'AMO à ces entrées comme si elle était "au-dessus" pour filtrer l' entrée/sortie.

Le potentiel d'augmentation de la quantité et de la qualité des modèles est illimité.

Peut-être que quelque chose de cool peut sortir, mais je n'ai pas d'énergie et de fusible, je suis parti dans une crise de boisson créative ((



Je pense que les niveaux sont l'outil le plus prometteur pour créer des TS...

Selon moi, le niveau de prix n'est pas une fractale stupide de Bill Williams, mais un événement à un prix spécifique, très probablement "beaucoup de mouvements".

 
mytarmailS:

Ensuite, vous pouvez ajouter l'OMA à ces entrées comme si elle était "en haut" pour filtrer pour entrer / ne pas entrer.

Le potentiel d'augmentation de la quantité et de la qualité des modèles est illimité.

Peut-être que quelque chose de cool sortira, mais je n'ai ni l'énergie ni l'envie, je suis en pleine crise de créativité ((

Quand j'aurai assez d'énergie, je lirai).

 
Maxim Dmitrievsky:

Je le lirai quand j'aurai pris le coup de main).

google quelque chose de plus court, il n'y a pas grand chose à lire.

 
Oh, comme c'est tordu... les gens ne boivent pas, ne boivent jamais, jamais, jamais....
 
mytarmailS:
Oh, comment f-cked up... les gens ne boivent pas, ne boivent jamais, jamais, jamais....
Je sais ce que vous voulez dire. Je suis moi-même sur le rebond pour le deuxième jour :-)
 

Je vois que vous essayez de trouver un modèle. C'est simple comme bonjour) C'est la théorie des ondes. Mais il n'est pas dans le domaine public pour le moment.

Imaginez que vous êtes mariés depuis 22 ans. Quelle est la probabilité que vous divorciez aujourd'hui ou demain ? Enseignez à l'apprentissage automatique cette compréhension et ne passez qu'ensuite aux questions plus simples - les marchés financiers.

Je réalise que j'ai du mal à aborder le sujet.

Respectueux des paroles de Yusuf. Il a toujours eu raison en ce qui concerne la continuité de l'histoire et le moment présent. Et l'importance pour l'avenir.

1...183218331834183518361837183818391840184118421843184418451846...3399
Nouveau commentaire