L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 489
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Je m'éclate aussi. Je l'ai essayé sur des échantillons aléatoires - les résultats sont étonnants. Je n'ai pas encore fait de CT.
Maxim dit que c'est une longue courbe d'apprentissage. J'ai environ 23 heures. Mais même si je le fais une fois tous les 3 mois - quel gâchis).
Et pendant 3 mois c'est exactement suffisant, plus de test.
Je n'étais pas encore entré dans ces détails. Mon conseiller expert n'est pas complexe, je l'ai optimisé pendant 12 heures, puis je l'ai oublié. Aujourd'hui, je l'ai essayé avec les mêmes paramètres.
Je n'ai pas encore eu ce genre d'ennuis. Le conseiller expert n'est pas compliqué, je l'ai optimisé pendant 12 heures puis je l'ai oublié. Aujourd'hui, je l'ai fait fonctionner avec ces paramètres.
Oui, mon avant est merdique. J'ai 6 % de mauvaises transactions sur le forward (échantillonnage aléatoire). Réseau - 5 couches, 50 neurones.
Quel est votre réseau ?
Aujourd'hui j'ai décidé de vérifier, mon réseau basé sur le percetron. Optimisé pour mai-début juin 2016, EURUSD, spread 15 pips.
La queue elle-même.
Quoi qu'il en soit, je suis toujours confus par le résultat.
J'ai déjà beaucoup de versions de ces systèmes sur le backtest, ils sont tous backtestés comme des penny stocks) c'est le nom du retracement.
Oui, l'avant est minable. J'ai 6 % de transactions ratées sur mon compte. Cinq couches, 50 neurones.
Quelle est la vôtre ?
Trois couches, 9 neurones chacune. L'image montre une très longue section de 2004 à 2016. J'ai choisi l'histoire longue pour vérifier si le résultat est stable sur tout l'intervalle. D'autre part, le drawdown sur le forward est le plus important, mais d'un autre côté le robot a commencé à gagner sur la seconde moitié du forward.
wolf-forward est nécessaire, vous ne pouvez pas optimiser comme ça, forward sera toujours mauvais (ou aléatoire) dans ce cas, j'ai déjà un tas de versions de ces systèmes milliardaires sur backtest, qui sur forward fonctionnent comme une pièce de monnaie ) cela s'appelle overfitting
On verra dans un autre semestre.
On verra dans un autre semestre.
Essayez de vérifier constamment l'erreur de NS lorsque de nouvelles données arrivent (sur l'échantillon de test), si l'erreur a augmenté d'un % donné alors ré-entraînez NS automatiquement, et ainsi de suite pour toute la période de backtest... mais cela nécessite un apprentissage rapide, mais vous n'avez pas besoin non plus d'un grand ensemble d'entraînement. En bref, pour utiliser NS comme un optimiseur interne
Je suis en train d'essayer d'écrire un article basé sur un tel schéma, peut-être que je vais le terminer bientôt.
Essayez de vérifier constamment l'erreur de NS lorsque de nouvelles données arrivent (sur l'échantillon de test), si l'erreur a augmenté d'un certain pourcentage, réentraînez NS automatiquement, et ainsi de suite pendant toute la période du backtest... mais cela nécessite un apprentissage rapide, mais vous n'avez pas besoin d'un grand ensemble d'entraînement non plus. En bref, pour utiliser NS comme un optimiseur interne
J'essaie d'écrire un article basé sur un tel schéma, peut-être que bientôt je le terminerai.
Avec respect.
Essayez de vérifier constamment l'erreur de NS lorsque de nouvelles données arrivent (sur l'échantillon de test), si l'erreur a augmenté d'un certain pourcentage, réentraînez NS automatiquement, et ainsi de suite pendant toute la période du backtest... mais cela nécessite un apprentissage rapide, mais vous n'avez pas besoin d'un grand ensemble d'entraînement non plus. En bref, pour utiliser NS comme un optimiseur interne
Je suis en train d'essayer d'écrire un article basé sur un tel schéma, peut-être que je le finirai bientôt.
Veuillez rédiger une description du compagnon, pour les nuls. J'ai commencé à lire, mais qu'est-ce que Sugeno, Mamdani pas de merde je ne pouvais pas comprendre).
Quelque chose comme dans l'article sur le classificateur bayésien Nayva.https://www.mql5.com/ru/articles/3264
Y aura-t-il une optimisation rapide dans l'article ? J'aimerais y jeter un coup d'œil.
Avec respect.
Oui, au hasard des bois, très vite.
Veuillez rédiger une description de l'appareil de matage, pour les nuls. J'ai commencé à lire, mais je ne comprends rien à Sugeno, Mamdani).
Quelque chose comme dans l'article sur le classificateur bayésien nayve.https://www.mql5.com/ru/articles/3264
Donc beaucoup d'infos sur internet :) il y a 7 étapes, elles sont assez longues à décrire, mais j'ai donné des liens. Mamdani et Sugeno ne diffèrent que par l'inférence logique (non linéaire et linéaire).
Je ne vois pas l'intérêt de copier la même chose.