L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 944
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
Hier, j'ai également créé un ensemble pour 2017 - il y a également moins de 30 % de données correctes, mais ce qui me surprend, c'est que j'obtiens des résultats similaires sur différents ensembles de prédicteurs (je les ai divisés en deux groupes). Je me demande si c'est le hasard ou si c'est juste une occasion d'utiliser la forêt.
Il n'y a pas besoin de regarder la précision, c'est une mauvaise métrique, surtout quand il y a beaucoup de classes. Par exemple, 50% de tous les échantillons dans le cas où j'ai formé le dernier arbre étaient des classes "0". L'arbre pourrait toujours retourner "0" du tout et déjà avoir raison dans 50% des cas (au lieu de 33% au hasard), le résultat semble être meilleur que le hasard, mais il est évident que l'arbre est inutile.
Meilleure métrique par exemple -https://en.wikipedia.org/wiki/Cohen's_kappa
Il est préférable de fusionner à partir du dernier fichier que j'ai joint - là, la répartition est un peu plus précise : 0 - tout ce qui n'a pas apporté de profit, et dans les fichiers précédents, 0 est également ce qui a apporté un très petit profit.
Mieux vaut le faire soi-même. Il y a deux targetets, chacun avec un tas de classes, je ne veux pas être confus.
J'ai besoin d'un targetet avec 3 classes -
"-1" pour entrer en court.
"1" pour une entrée longue.
"0" si les positions longues et courtes sont négatives (ou si les deux sont positives, si jamais elles le sont).
Il est plus facile d'entraîner un tel arbre que d'en entraîner 4 comme auparavant. Et il est plus facile d'échanger avec elle.
Ce qui m'a surpris, cependant, c'est qu'en augmentant le nombre de cibles, la classification fonctionnait mieux en dehors de l'échantillon d'entraînement. Peut-être devriez-vous augmenter le nombre de classifications différentes ?
Il faut le vérifier plusieurs fois. S'il est confirmé, c'est cool. Peut-être l'arbre apprendra-t-il à bien identifier certaines classes, par exemple le bénéfice d'au moins 100 points ou quelque chose de similaire. Il sera alors possible de créer de nouvelles cibles avec cette logique pour le compte réel.
Par exemple, nous pouvons créer dix classes - "0" si la position longue est perdue dans tous les cas, "1" si la position longue est gagnée de 0 à 100 points. "2" si le profit long est compris entre 100 et 200 pips. "-1" si le profit court est de 0 à 100 pips. "-2" si le bénéfice court est compris entre 100 et 200 pips. etc. Ensuite, grâce au tableau récapitulatif des bonnes et mauvaises réponses, nous pourrons voir si une classe est clairement meilleure que les autres.
p.s. Je ne l'ai jamais fait moi-même. Peut-être que je dis n'importe quoi. Mais si vous vous retrouvez dans les arbres et dans beaucoup de classes, alors un tel test est une suite logique de l'expérience.
PS : je peux vous donner accès à mon ordinateur portable via TW pour que vous ne vous encombriez pas de votre PC.
Je n'en ai pas besoin maintenant, j'ai quelques scripts R en désordre ici, j'essaie différentes méthodes de sélection des paramètres. Si quelque chose finit par convenir, et que le résultat est meilleur que dans votre programme - je joindrai le script ici et vous pourrez continuer à expérimenter.
Vous n'avez pas compris, ce n'est pas à ce niveau d'abstraction, oubliez-le).
Ce n'est pas une question de niveau, c'est une question de sujet. Une tendance est une réaction similaire à un facteur externe (irritant), dans notre cas, par exemple, si le prix a augmenté de X points, la probabilité qu'il se corrige bientôt est plus élevée que le contraire. Ou encore, toutes les 5 chandelles haussières dans une rangée de petites chandelles indiquent une forte probabilité d'une grande chandelle baissière, qui chevauchera au moins 3 des chandelles haussières. Mais si la probabilité de ces événements change, alors il s'agit pour moi d'un changement dans le modèle, et alors le TS cesse de fonctionner.
Mais votre vision est différente ?
Avez-vous une vision différente ?
J'ai déjà décrit ma vision lol
Et ce n'est pas seulement une vision, c'est une réalité. C'est à chacun de l'accepter ou non.
le niveau d'abstraction - pas un bâton de cornichon, mais pourquoi les modèles changent sur le marché et avec quelle périodicité, cause et effet. Je suis fatigué de me répéter.
Je n'ai pas besoin de regarder la précision, c'est une mauvaise métrique, surtout quand il y a beaucoup de classes. Par exemple, dans le cas où j'ai formé le dernier arbre - 50% de tous les exemples sont de la classe "0". L'arbre peut toujours retourner "0" du tout, et il aura raison dans 50% des cas (au lieu de 33% au hasard), le résultat semble meilleur que le hasard, mais il est évident que l'arbre est inutile.
Une meilleure métrique seraithttps://en.wikipedia.org/wiki/Cohen's_kappa par exemple.
Je sortirai toutes les règles des deux modèles plus tard et je verrai quel est le résultat si j'additionne les deux modèles. J'ai mis un réseau en formation par intérêt, peut-être qu'il détectera quelque chose, mais cela fait déjà 12 heures qu'il détecte - est-ce normal pour les réseaux ?
C'est mieux de le faire soi-même. Il y a deux targetets, chacun avec un tas de classes, je ne veux pas être confondu.
J'ai besoin d'un ciblage avec 3 classes -
"-1" pour entrer en mode court
"1" pour une entrée longue
"0" si le long et le court sont négatifs (ou si les deux sont positifs, si jamais ils le sont)
Il est plus facile de former un tel arbre que d'en former 4 comme auparavant. Et il est plus facile de commercer en l'utilisant.
D'accord, je vais le faire bientôt et le poster ici.
Cela doit être testé à plusieurs reprises, si c'est confirmé, alors c'est cool. Il est possible que l'arbre apprenne à bien identifier des classes spécifiques, par exemple des bénéfices d'au moins 100 points, ou similaires. Il sera alors possible de créer de nouvelles cibles avec cette logique pour le compte réel.
Par exemple, nous pouvons créer dix classes - "0" si le long est perdant dans tous les cas, "1" si le long est gagnant de 0 à 100 points. "2" si le profit long est compris entre 100 et 200 pips. "-1" si le profit court est de 0 à 100 pips. "-2" si le bénéfice court est compris entre 100 et 200 pips. etc. Ensuite, grâce au tableau récapitulatif des bonnes et mauvaises réponses, nous pourrons voir si une classe est clairement meilleure que les autres.
p.s. Je ne l'ai jamais fait moi-même. Peut-être que je dis n'importe quoi. Mais si vous l'avez avec des arbres et beaucoup de classes, alors ce test est une suite logique de l'expérience.
Je pense que l'arbre fonctionne par élimination, c'est-à-dire que s'il trouve 1, tous les autres 0, mais quand il y a plus de variantes, il commence à classer les zéros restants, au lieu de les empiler, ce qui réduit l'erreur (mais c'est mon hypothèse). Et pour l'aider à classer ces autres 2,3,4, je pense qu'il faut ajouter un prédicteur qui n'indiquera pas seulement le résultat financier de l'entrée, mais sur la base des autres prédicteurs disponibles, il formera un signal pour l'entrée, puis il devrait y avoir un feedback, c'est-à-dire que je pense qu'il faut ajouter différentes justifications des entrées et de leur résultat financier. La difficulté ici sera dans le cas d'entrées conflictuelles par différents TS, peut-être simplement mettre cette situation dans un groupe séparé.
J'essaie différentes méthodes de sélection des paramètres. Si quelque chose finit par fonctionner, et le résultat sera meilleur que dans votre programme - je vais joindre le script ici, vous pouvez continuer à expérimenter.
Si vous en avez besoin, faites-le moi savoir, tant que le matériel est inactif de toute façon.
J'ai déjà décrit ma vision lol.
Et ce n'est pas seulement une vision, c'est une réalité. Il appartient à chacun de l'accepter ou non.
le niveau d'abstraction - pas un bâton de cornichon, mais pourquoi les modèles changent sur le marché et avec quelle périodicité, cause et effet. Je suis fatigué de me répéter.
J'ai donc répondu que l'outil montre des bêtises et se concentre sur les tendances, ce qui n'est pas vrai.
J'ai donc répondu que l'outil montrait des absurdités, en se concentrant sur les tendances, ce qui est faux.
accepté
accepté
C'est-à-dire que les cycles peuvent être là, c'est juste que l'outil n'est pas le même - c'est une perception visuelle.
Dites-moi s'il y a 1001 critères et que je me trompe. Il est inutile de contester, j'ai dit à propos de ma perception visuelle, si je me trompe, j'aimerais savoir si je me trompe.
C'est-à-dire que les cycles peuvent être là, c'est juste que l'outil n'est pas le même - c'est une perception visuelle.
Dites-moi s'il y a 1001 critères et que je me trompe. Il n'y a pas lieu pour moi d'argumenter, j'ai dit ma perception visuelle, si je me trompe j'aimerais savoir que je me trompe.
J'ai montré des périodiques réels, et la décomposition les définit également.
Vladimir Perervenko utilise l'analyse spectrale, qui est très similaire
comment l'utiliser en pratique, que chacun ait une imagination créatrice malade, parce que je ne donne pas de conseils avant que le graal ne soit fini
J'ai montré des périodicités réelles, et la décomposition les détermine également.
Vladimir Perervenko utilise l'analyse spectrale, qui est très similaire à
Comment l'utiliser en pratique, que chacun utilise sa fantaisie créative malade, car je ne donne pas de conseils tant que le graal n'est pas fait.
Pensez-vous que ces cycles existent sur les petites TF ? Allons voir, il y aura d'autres bars là-bas !