L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2131

Nouveau commentaire
 

Je pense à la "recherche complète" de régularités, sans cible comme "ce qui va se passer à la prochaine bougie" et autres...

La recherche consiste à rechercher uniquement des régularités, l'objectif est de trouver une régularité, et non pas "ce qui sera sur la prochaine bougie", aussi les régularités peuvent être étirées dans le temps, par exemple si aujourd'hui était "événement 1" et puis "événement 2", et puis "événement 3" .... par exemple si aujourd'hui nous avons "l'événement 1" et ensuite " l'événement 3", alors demain à 14:05 ce sera une bougie montante ou quelque chose comme ça)))

J'ai une meilleure idée de ce à quoi cela devrait ressembler et de l'algorithme à appliquer, mais j'aurais probablement besoin d'une certaine puissance de calcul, que je n'ai pas (


A propos, une question : combien de répétitions d'un événement pour le considérer comme un modèle ?

 
elibrarius:

Théoriquement, cela devrait être la même chose.
Le nombre d'options différentes en jours, heures et minutes est égal au nombre d'options en sinus et cosinus. Dans les deux cas, il y a 10080 valeurs différentes en 7 jours, qui changent une fois par minute.
S'il y a une quelconque randomisation dans la formation, cela peut être la raison de la différence.

Tu t'es entraîné avec quoi, un catbust ?

Les expériences sont toujours plus importantes.

Regardez le premier prédicteur T1 (Den_Nedeli_S), ou plus exactement sa grille

T2


Et les jours de la semaine sans transformation horaire.

Comme vous le voyez, les grilles sont différentes et il y a des deltas différents entre les chiffres, bien que les paramètres de partitionnement soient les mêmes :

catboost-0.24.1.exe fit  --learn-set train.csv   --test-set test.csv     --column-description %%a        --has-header    --delimiter ;   --model-format CatboostBinary,CPP       --train-dir ..\Rezultat\RS_208\result_4_%%a     --depth 6       --iterations 1000       --nan-mode Forbidden    --learning-rate 0.03    --rsm 1         --fold-permutation-block 1      --boosting-type Plain   --l2-leaf-reg 6         --loss-function Logloss         --use-best-model        --eval-metric Logloss   --custom-metric Logloss         --od-type Iter  --od-wait 100   --random-seed 0         --random-strength 1     --auto-class-weights SqrtBalanced       --sampling-frequency PerTreeLevel       --border-count 208      --feature-border-type MinEntropy        --output-borders-file quant_4_00208.csv         --bootstrap-type Bayesian       --bagging-temperature 1         --leaf-estimation-method Newton         --leaf-estimation-iterations 10        

Ce qui signifie que vous pouvez faire correspondre le fractionnement plus précisément, ce qui peut aboutir à un ajustement ou à un meilleur résultat...

 
mytarmailS:

Je pense à la "recherche complète" de régularités, sans cible comme "ce qui va se passer à la prochaine bougie" et autres...

La recherche consiste à rechercher uniquement des régularités, l'objectif est de trouver une régularité, et non "ce qui sera sur la prochaine bougie", aussi les régularités peuvent être étirées dans le temps, par exemple si aujourd'hui était "événement 1" et ensuite "événement 2", et ensuite "événement 3"... par exemple si aujourd'hui nous avons "l'événement 1" et ensuite " l'événement 3", alors demain à 14:05 ce sera une bougie montante ou quelque chose comme ça)))

J'ai une meilleure idée de ce à quoi cela devrait ressembler, et de l'algorithme à appliquer, mais cela demanderait probablement beaucoup de puissance de calcul, que je n'ai pas (

Oh, je vais aussi faire quelque chose de similaire :))))


mytarmailS:

Soit dit en passant, une telle question, combien de répétitions d'un événement pour le considérer comme un modèle ?

J'utilise le critère - pas moins de 1% de l'ensemble de l'échantillon et c'est la "fréquence" de récurrence d'un événement avec le même résultat qui importe. Je ne sais pas comment mesurer la "fréquence".

 
Aleksey Vyazmikin:

Les expériences sont toujours plus importantes.

Regardez le premier prédicteur T1 (Den_Nedeli_S), ou plutôt sa grille

T2


Et les jours de la semaine sans conversion horaire

Comme vous le voyez, les grilles sont différentes et il y a des deltas différents entre les chiffres, bien que les paramètres de partitionnement soient les mêmes :

Ce qui signifie que vous pouvez faire correspondre la fente plus précisément, ce qui peut entraîner un ajustement ou un meilleur résultat...

OK. Sine+ cosine est meilleur non seulement pour les NS, mais aussi pour les arbres.

 
elibrarius:

Bien. Sine+cosine est meilleur non seulement pour NS, mais aussi pour les arbres.

Je ne sauterais pas à cette conclusion - jusqu'à présent, nous pouvons dire que le résultat n'est pas identique.

 

la roue du temps


.

 
mytarmailS:

Je pense faire une "recherche complète" .....

Je mets juste l'heure, le jour de la semaine et la couleur de la bougie...

les données comme une seule semaine, quarante semaines en tout, et a cherché des modèles dans ceux-ci


Friday_18:20_dw signifie vendredi - 18:20 - bougie descendante


confiance - le pourcentage de réussite de la règle 1 est de 100%.

count - combien de ces règles ont été trouvées

 lhs                          rhs           support confidence coverage lift     count
[1]  {Пт_18:20_dw}             => {Чт_1:0_up}   0.500   1          0.500    1.290323 20   
[2]  {Пт_16:15_up}             => {Пт_5:0_dw}   0.500   1          0.500    1.290323 20   
[3]  {Пн_21:0_dw}              => {Пт_5:0_dw}   0.500   1          0.500    1.290323 20   
[4]  {Ср_12:50_dw}             => {Чт_22:55_up} 0.525   1          0.525    1.538462 21   
[5]  {Пт_18:40_dw,Ср_22:15_dw} => {Пн_14:50_up} 0.500   1          0.500    1.290323 20   
[6]  {Пн_0:0_dw,Пн_9:20_dw}    => {Пн_23:55_dw} 0.500   1          0.500    1.428571 20   
[7]  {Вт_20:40_up,Пн_0:0_dw}   => {Вт_21:5_up}  0.500   1          0.500    1.481481 20   
[8]  {Вт_9:40_dw,Пн_14:50_up}  => {Чт_1:0_up}   0.500   1          0.500    1.290323 20   
[9]  {Пн_0:0_dw,Чт_1:10_dw}    => {Чт_2:55_dw}  0.500   1          0.500    1.379310 20   
[10] {Пт_9:25_up,Ср_2:5_dw}    => {Пн_14:50_up} 0.500   1          0.500    1.290323 20   
[11] {Пн_14:50_up,Пт_9:25_up}  => {Ср_2:5_dw}   0.500   1          0.500    1.538462 20   
[12] {Вт_13:0_dw,Ср_2:5_dw}    => {Пн_14:50_up} 0.500   1          0.500    1.290323 20   
[13] {Чт_23:55_dw,Чт_4:20_dw}  => {Пн_0:0_dw}   0.500   1          0.500    1.250000 20   
[14] {Вт_18:55_dw,Пт_1:0_up}   => {Пн_14:50_up} 0.500   1          0.500    1.290323 20   
[15] {Вт_18:55_dw,Чт_1:0_up}   => {Пн_14:50_up} 0.525   1          0.525    1.290323 21   
[16] {Вт_2:45_up,Пн_9:50_dw}   => {Пн_0:0_dw}   0.500   1          0.500    1.250000 20   
[17] {Вт_2:45_up,Ср_20:40_up}  => {Пн_0:0_dw}   0.500   1          0.500    1.250000 20  


cette règle

[1]  {Пт_18:20_dw}             => {Чт_1:0_up}   0.500   1          0.500    1.290323 20  

cela signifie que si le jeudi à 1h du matin il y avait une bougie montante, le vendredi à 18h20 elle sera descendante. 20 règles ont été trouvées, donc la règle a fonctionné 20 fois sur les 20 trouvées.

IDD...

 
Aleksey Vyazmikin:


J'utilise le critère d'au moins 1% de l'ensemble de l'échantillon et la "fréquence" d'un événement ayant le même résultat est importante. Je ne sais pas comment mesurer la "fréquence".

Les mêmes événements sont des événements ayant la même issue.

100% de l'échantillon / % de répétition. 1%, c'est de la fréquence, mais sans régularité. C'est là que ça se complique. Nous la divisons en périodes et voyons à quel point les événements sont réguliers. Vous pouvez simplement utiliser le minimum et le maximum d'une période et diviser min par max pour obtenir une régularité relative et vous pouvez utiliser la moyenne quadratique).

 
Oleg avtomat:

la roue du temps

vous pouvez ajouter plus de minutes harmoniques, et additionner les sinusoïdes, vous obtiendrez une courbe pour décrire les trois signes

Mais qu'en est-il des vacances et des week-ends, vous devez tenir compte de tout cela, à quoi cela sert-il ?
 
mytarmailS: Au fait, combien de fois un événement doit-il être répété pour être considéré comme une régularité ?

J'ai essayé ma propre métrique , mais elle ne fonctionne que pour SL=TP, pour les autres ratios, il faut compter Hearst.

1...212421252126212721282129213021312132213321342135213621372138...3399
Nouveau commentaire