L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2016
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
Il existe un certain nombre de raisons pour lesquelles cela pourrait être utile :
1. Des prédicteurs interdépendants peuvent être identifiés:
1.1. construire un modèle distinct avec eux et évaluer leur pouvoir prédictif
1.2. excluez-les de l'échantillon et évaluez leur impact sur le résultat. S'ils améliorent le résultat, envisagez de créer des prédicteurs similaires.
2. utiliser un seul prédicteur au lieu d'un groupe de prédicteurs :
1. cela égalise les chances de le prendre au hasard lors de la construction du modèle.
2. Réduire le temps de formation en réduisant la dimensionnalité
Oui, j'aimerais tester cela, mais je ne connais pas l'outil permettant de créer un tel modèle à partir de la boîte.
J'ai d'ailleurs une idée : pourquoi ne pas utiliser des fonctions brisées (pour ainsi dire avec quantification - au lieu d'une ligne d'escalier) dans la formation, ce qui permettrait de tenir compte de la précision des données et de réduire le surentraînement.
Si les prédicteurs sont les prix, alors 3 à 5 barres, chacune à gauche et à droite, sont très corrélées avec la barre centrale, les exceptions étant rares lors des fortes hausses de prix. Prenez toutes les cinq à sept mesures et obtenez à peu près ce que vous voulez. Ou passez à une échelle de temps supérieure. Ou encore, éliminez les prédicteurs en vérifiant leur corrélation mutuelle. Le fondateur de ce fil de discussion a également aminci les barres, consultez son blog.
Je recommanderais d'abord d'effacer les données des traits de poubelle...
Imaginez que vous avez 10 attributs, dont 9 sont des attributs inutiles, vous les comprimez tous en un seul attribut.
la même chose... au début de la semaine, cela fonctionne bien, après le "pré-entraînement". Puis il commence à pleuvoir. Je l'ai refait à nouveau, demain je le mettrai à l'essai :D
Certains robots de trading peuvent être incorrectement calculés dans le trader... Après une série de mises à jour, il commence à trader dans la mauvaise direction.
Je travaille également sur les réseaux de récurrence dans torch.
jaune - début des semaines, premiers 1-3 jours
Intéressant...
Quelqu'un a-t-il essayé d'utiliser des "niveaux ronds" comme panneaux ?
Ou comme un moyen de traiter les prix ?
Vous pouvez marquer les prix avec des valeurs circulaires, par exemple...
Il est possible de supprimer les valeurs qui sont identiques dans une ligne...
C'est une bonne compression de l'information, plus un filtrage... Peut-être sera-t-il plus facile de rechercher des motifs sur un tel graphique pour un modèle...
Quelqu'un a-t-il essayé d'utiliser des "niveaux ronds" comme panneaux ?
Ou comme un moyen de traiter les prix ?
Vous pouvez marquer les prix avec des valeurs circulaires, par exemple...
Il est possible de supprimer les valeurs qui sont identiques dans une ligne...
Ce n'est pas une mauvaise compression de l'information, plus un filtrage ... Peut-être qu'il sera plus facile de chercher des modèles sur un tel graphique pour un modèle ...
J'ai pris le Renco.
Quelqu'un a-t-il essayé d'utiliser des "niveaux ronds" comme panneaux ?
Ou comme un moyen de traiter les prix ?
Vous pouvez marquer les prix avec des valeurs circulaires, par exemple...
Il est possible de supprimer les valeurs qui sont identiques dans une ligne...
Il s'agit d'une bonne compression de l'information, plus un filtrage ... Peut-être sera-t-il plus facile de rechercher des modèles sur un tel graphique pour un modèle ...
Oui
redécoupage difficile ...
Parce qu'il ne peut pas être enseigné, il y aura un solveur coincé dans les minima locaux. Quant aux idées, on ne peut rien en tirer, car c'est une boîte noire.
Pour ce qui est de rester bloqué, vous devez peut-être changer la façon dont vous corrigez l'erreur.
Pourquoi une boîte noire, s'il n'y a que 2 ou 3 couches, il est tout à fait réaliste de démasquer par les coefficients. Les petits coefficients peuvent être grossièrement réduits et mis à zéro, ce qui réduit le nombre d'entrées du neurone.
Si les prédicteurs sont les prix, alors 3-5 barres à gauche et à droite sont très corrélées avec la barre centrale, les exceptions sont rares pendant les pics de prix. Prenez toutes les cinq à sept mesures et obtenez à peu près ce que vous voulez. Ou passez à une échelle de temps supérieure. Ou encore, éliminez les prédicteurs en vérifiant leur corrélation mutuelle. Le fondateur de ce fil de discussion a également éclairci des barres, consultez son blog.
Les prédicteurs ne sont pas des prix à l'état brut - beaucoup de points relatifs qui peuvent être similaires...
Pas sûr que le dépistage par corrélation soit efficace...
Je commencerais par vous recommander d'effacer les données des traits inutiles...
Imaginez : vous avez 10 attributs, 9 d'entre eux sont nuls, vous les avez comprimés en un seul attribut Et alors ?
Et quelle méthode de nettoyage pouvez-vous recommander ?