L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 879

 
Yuriy Asaulenko:

Je crois que c'est la seule, non pas à ce jour, mais la seule pour MO et NS dans des configurations d'une complexité raisonnable. Tout d'abord, nous limitons les domaines d'application de la NS et de la MO, puis nous appliquons la NS et la MO.

Et la résolution de problèmes tels que "en général, tout et tout de suite" - c'est pour l'IA).

La NS est plutôt une logique de prise de décision qui peut être formée. À l'origine, il s'agissait de le remplacer dans les stratégies standard, sans s'embêter à l'écrire.

Eh bien, "jamais en général" est une expression trop forte. J'espère l'apparition d'un ordinateur quantique raisonnable dans les 50 prochaines années))) Et alors peut-être une véritable IA.)

Mais oui - le développement actuel des processeurs a atteint la limite physique du placement sur l'avion. Et en trois dimensions, il est beaucoup plus difficile de tout construire.

 
elibrarius:

Ciblé - vous avez une régression, pas une classification. J'ai abandonné la régression pour le moment. Je pense qu'il est préférable d'entraîner 2 neurosets, en fonction du nombre de cibles, mais je n'ai pas fait assez d'expériences avec la régression - faites vos propres expériences.
La séquence des colonnes n'est pas importante, l'essentiel est d'indiquer à NS qu'il s'agit de cibles. La séquence des lignes est probablement meilleure pour avoir les données les plus récentes à la fin (mais pas nécessairement), de nombreux paquets mélangent toutes les lignes par défaut pour une formation régulière. Sinon, NS risque de s'arrêter quelque part au milieu (minimum local) et de ne pas obtenir de nouvelles données. Les données fraîches (les derniers 10-20%) peuvent être alimentées 2 à 3 fois pour que le réseau apprenne mieux les dernières tendances du marché - c'est aussi une opinion que je n'ai pas testée en pratique.
Consultez le blog du topicstarter - il y a enseigné la régression, beaucoup de bonnes réflexions. Mais à la fin, il a écrit qu'il avait trouvé une erreur dans le code qui rendait tous les résultats invalides.

Il n'y a donc pas de réponses claires et sans ambiguïté, c'est pourquoi tous se taisent).

Juste ce que je veux pour convertir la cible en une classification ! Je comprends que l'arbre ne mange que 0 et 1 (c'est-à-dire deux valeurs logiques), et dans mon cas, les résultats d'achat et de vente doivent être séparés séparément et entraînés (classés ?) comme des arbres distincts.

Merci pour la réponse ! J'ai rejeté la régression, car ses valeurs absolues seront du bruit dans un système non stationnaire, mais j'utiliserai la régression comme solution logique, par exemple pour trouver le prix par rapport au canal.

Le mélange des données est clair, mais étrange, et j'ai compris que si nous voulons informer NS/Decision Tree sur les événements passés, nous devons faire une copie des prédicteurs avec un décalage, en augmentant la profondeur pour chaque décalage d'un ordre de grandeur ?

 
Aleksey Vyazmikin:

Le brassage des données est compréhensible, mais étrange, et je comprends que si nous voulons parler à NS/Arbre de décision des événements passés, nous devons faire une copie des prédicteurs avec un décalage, en augmentant la profondeur pour chaque décalage d'un ordre de grandeur ?

A quoi sert une autre copie ? Chaque ligne de votre tableau contient les mêmes prédicteurs en remontant dans le temps.

 
Maxim Dmitrievsky:

Quel genre de questions ?

Vous ne pouvez pas enseigner à un réseau neuronal le bénéfice attendu, vous devez enseigner les éléments que le réseau neuronal doit classifier ou approcher, c'est-à-dire des actions d'achat/de vente spécifiques ou des conditions de marché spécifiques.

Quant aux prédicteurs, qui sont les meilleurs et qui ne le sont pas, personne ne peut vous donner la réponse, parce que vous devez les étudier et voir comment le TS fonctionne, c'est ce dont il est question dans ce sujet, pour la plupart, mais tout le monde a des prédicteurs différents.

sur les réseaux neuronaux - vous pouvez utiliser alglib ou R ou Python - il a été écrit environ 100 fois

à propos de la séquence d'apprentissage - peu importe quelles données sont les plus récentes et les plus anciennes, vous devez comprendre comment le NS fonctionne - il minimise l'erreur pour tous les cas dans l'ensemble.

Vous pouvez trouver de nombreuses informations de base sur les réseaux neuronaux sur YouTube et Google. Nous n'en parlerons pas ici, car cela n'a aucun intérêt.

J'ai écrit - vous devez tout étudier à partir des bases, puis vous comprenez quoi et où, sinon c'est un exercice futile.

Il y a six mois, je ne les comprenais toujours pas moi-même, maintenant plus ou moins. J'ai lu une tonne de littérature et des centaines d'heures de clips vidéo, puis une sorte de synthèse des connaissances a commencé. Et oui, mes questions ne reçoivent pas non plus de réponses intelligentes, j'ai creusé par moi-même :)

Mais vos questions sont trop vagues, il s'avère qu'il faut être médium pour commencer à deviner, parce qu'il faut observer un nombre énorme de détails pour que quelque chose fonctionne, plutôt que de regarder le tableau et de tout comprendre :))).

Ma contribution au développement de la MO sur la ressource, j'ai fait sous la forme de 2 articles, si je vais continuer à écrire jusqu'à présent, je ne sais pas, parce qu'il ya déjà commencé la zone de saint graal (juste une blague)

Pourquoi ne puis-je pas enseigner les points d'entrée où l'on s'attend à un profit maximal à l'achat ou à la vente ?

J'ai suffisamment de prédicteurs - je les ajoute lentement au script. Je ne sais pas encore s'ils sont bons ou mauvais à la fin...

A propos des réseaux neuronaux - j'étais intéressé par les noms spécifiques des NS qui fonctionnent mieux avec la cible sous forme de classification... Et jusqu'à présent, je n'ai pas été en mesure de mettre en place un paquet normal :( C'est pourquoi je teste avec "Deductor Studio Academic" - interface très compréhensible, tout est en russe, il y a des arbres et un réseau neuronal, cela semble bon pour un débutant, mais le moins est que vous ne pouvez pas exporter les résultats.

Je ne sais pas si c'est un bon résultat pour un arbre ? A été formé sur 50% de l'échantillon et testé sur 50%.


J'étudie les bases, je relis certains articles ici et je regarde des conférences sur NS, mais tout n'est pas simple, et je n'ai personne à qui demander...

Merci de votre attention.

 
elibrarius:

Sinon, pourquoi y aurait-il une copie ? Chaque ligne de votre tableau contient les mêmes prédicteurs en remontant dans le temps.

Alors comment pouvez-vous les mélanger ? Parce que ça casse leur séquence...

L'arbre regarde-t-il la séquence ?

 
Aleksey Vyazmikin:

Alors comment pouvez-vous les mélanger ? Parce que ça casse leur séquence...

Un arbre regarde-t-il la séquence ?

C'est le point où il faut éviter de toucher l'un des minima locaux. Cependant, le mélange n'est pas nécessaire - vous pouvez apprendre sans lui, en fonction de la présence de minima locaux dans vos données, et de la disponibilité d'autres méthodes pour sauter les minima locaux, s'ils existent.

Je ne fais pas d'arbres.

 
Aleksey Vyazmikin:

Pourquoi ne puis-je pas enseigner les points d'entrée où le profit maximum est attendu pour l'achat ou la vente ?

J'ai suffisamment de prédicteurs - je les incorpore lentement dans le scénario. Je ne sais pas encore s'ils sont bons ou mauvais à la fin...

A propos des réseaux neuronaux - j'étais intéressé par les noms spécifiques des NS qui fonctionnent mieux avec la cible sous forme de classification... Et jusqu'à présent, je n'ai pas été en mesure de mettre en place un paquet normal :( C'est pourquoi je teste avec "Deductor Studio Academic" - interface très compréhensible, tout est en russe, il y a des arbres et un réseau neuronal, cela semble bon pour un débutant, mais le moins est que vous ne pouvez pas exporter les résultats.

Je ne sais pas si c'est un bon résultat pour un arbre ? A été formé sur 50% de l'échantillon et testé sur 50%.


J'étudie les bases, je relis certains articles ici et je regarde des conférences sur NS, mais tout n'est pas simple, et je n'ai personne à qui demander...

Merci de votre attention.

Trop bon - une erreur de moins de 10%. Vos prévisionnistes ne regardent-ils pas l'avenir ? C'est généralement la raison pour laquelle l'erreur est si faible. Ou cibler le passé ? Des zigzags par exemple ? Ou bien vous prédisez 0 barre et les prédicteurs avec Close 0 barre sont construits.
 
elibrarius:
Il s'agit d'éviter de toucher l'un des points bas locaux. Cependant, le mélange n'est pas nécessaire - vous pouvez apprendre sans lui, en fonction de l'existence de minima locaux dans vos données, et s'il existe d'autres méthodes pour sauter les minima locaux, s'il y en a.

Je ne fais pas d'arbres.

OK, comment la séquence (chronologie) des données doit-elle être présentée dans le fichier - faut-il mettre la plus récente (2018) ou la plus ancienne (2017) au début ?

 
Aleksey Vyazmikin:

OK, comment la séquence (chronologie) des données doit-elle être présentée dans le fichier - la plus récente (2018) doit-elle être au début ou la plus ancienne (2017) au début ?

NS traite généralement les données à partir des premières lignes, c'est-à-dire que les données les plus anciennes doivent se trouver dans les premières lignes, et les plus récentes à la fin, afin que les dernières étapes de l'apprentissage soient effectuées sur celles-ci.
 
elibrarius:
Trop bon - moins de 10% d'erreur. Vos prédicteurs n'ont-ils pas un regard sur l'avenir ? C'est généralement la raison pour laquelle l'erreur est si faible.

Pas pour autant que je sache - hier j'ai trouvé un prédicteur qui regardait 1 barre, mais mon objectif ne dépend pas du nombre de barres passées depuis l'ouverture de la position (c'est-à-dire que je ne fixe pas la dépendance), j'ai fermé en utilisant le stop loss, qui fonctionne sur l'indicateur.

Tous les prédicteurs fonctionnent à l'ouverture des barres - je ne sais même pas comment détecter ceux qui pèchent - ils devraient être importants, non ?

Je ne vois pas ça sur la photo...