Régression bayésienne - Est-ce que quelqu'un a fait un EA en utilisant cet algorithme ? - page 48
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
J'ai vu une transaction primitive aujourd'hui pour 7500 lots (aller simple). Avec un effet de levier de 100:1, il faut ~$5700K de fonds propres pour ouvrir une telle position.
Une erreur ? Encore vous ?
Aujourd'hui, j'ai vu le primitif négocier 7500 lots (dans un sens). Avec un effet de levier de 100:1, il faut ~$5700K de fonds propres pour ouvrir une telle position.
Je ne voulais pas stigmatiser qui que ce soit personnellement.
Je suis favorable à ce que l'on discute ici des statistiques, bayésiennes et pas seulement, appliquées au trading.
Dans votre exemple, le primitif est quoi ? Avez-vous vu son code primitif ou non ?
Vous ne comprenez pas. 7500 lots d'histoire ont été vus. Je n'ai jamais rien vu de tel auparavant. Mais puisqu'il fonctionne sur MT4, il doit être primitif.
...
Je n'ai pas travaillé avec des arbres, il n'y a rien à conseiller, mais j'ai une certaine expérience de la formation de classificateurs en général :
1) S'il existe une rangée de prix P[0], P[1], P[2], P[3], P[4] ; alors la rangée pour les données d'entrée du classificateur est P[0]-P[3]. Mais ne prenez pas la valeur de P[4] comme le résultat requis de la classification pour la formation. Les transactions ne seront pas ouvertes et fermées à chaque barre. Il est plus rentable d'ouvrir une position au début du canal et de la fermer à la fin. C'est-à-dire que le classificateur doit prédire la direction du canal : hausse ou baisse, et non le prix de la prochaine barre. Par exemple, tracez un zigzag sur les données initiales et prenez la direction du zigzag au lieu de P[4] comme résultat requis.
2) Les modèles dépendent du temps. Entraînez-vous sur un classificateur séparé pour chaque jour de la semaine, ou essayez d'ajouter la phase de la lune aux données brutes (je suis sérieux), ou l'heure du jour, je ne sais pas quoi faire exactement, mais c'est très important.
Dans votre exemple, un primitif est quoi ? Avez-vous vu son code primitif ou non ?
Je ne l'ai pas fait, bien sûr. Mais le code est dans MQL4 et il y a des transactions tous les jours. Avez-vous vu des tours et des détours mathématiques complexes dans MQL4 qui pourraient être optimisés de manière adéquate avec plusieurs milliers de passages dans GA ? Je ne l'ai pas fait.
Si les mathématiques sont compliquées, dans l'optimiseur MT4, elles fonctionnent à peine. Mais si un trader travaille en compte réel, cela signifie qu'il optimise dans MT4. Cela signifie qu'il s'agit d'un calcul simple. Et il n'y a pas de mathématiques compliquées, avec une forte probabilité.
Je n'ai pas travaillé avec des arbres, je ne peux donc pas vous conseiller, mais j'ai une certaine expérience de la formation des classificateurs en général :
1) S'il existe une rangée de prix P[0], P[1], P[2], P[3], P[4] ; alors la rangée pour les données d'entrée du classificateur est P[0]-P[3]. Mais ne prenez pas la valeur de P[4] comme le résultat requis de la classification pour la formation. Les transactions ne seront pas ouvertes et fermées à chaque barre. Il est plus rentable d'ouvrir une position au début du canal et de la fermer à la fin. C'est-à-dire que le classificateur doit prédire la direction du canal : hausse ou baisse, et non le prix de la prochaine barre. Par exemple, tracez un zigzag sur les données initiales et prenez la direction du zigzag au lieu de P[4] comme résultat requis.
2) Les modèles dépendent du temps. Entraînez-vous sur un classificateur séparé pour chaque jour de la semaine, ou essayez d'ajouter la phase de la lune aux données brutes (je suis sérieux), ou l'heure de la journée, je ne sais pas quoi faire exactement, mais c'est très important.
Merci.
Dans l'ordre.
1) L'idée est intéressante. Vous pourriez aussi faire ceci : mesurer ce qui est le plus rapide à respecter - le prix maximum ou minimum sur une certaine période de temps. Si le maximum (codons-le comme 1), alors il est logique d'ouvrir un achat, et vice versa. MAIS - un gros mais - la règle de clôture pour une telle transaction sera très floue, il n'y en a pas.
Je ressemble à un zigzag. Peut-être qu'il faut vraiment essayer. Ce qui me trouble dans cette approche, c'est qu'un genou peut être dans 1 heure et un autre dans 9 heures. Donc le timing est un désordre. Je pense que le classificateur pourrait ne pas aimer ça.
Bien que, vous ne parlez que de la direction.... Vous pouvez essayer d'accéder à .....
2) Oui, je l'ai déjà fait. J'ai un grand ensemble de données - je peux le partager ici - dans lequel j'ai ajouté des données sur les prix :
- heure
- minute
- jour de la semaine
- mois
- jour du mois
MAIS - un autre gros mais - si ces variables prises individuellement ne disent rien de significatif sur la cible, alors les arbres de décision (toutes leurs variétés) ne les incluent pas dans les variables les plus importantes. En effet, les arbres sont des algorithmes gourmands et ils commencent à établir des règles à partir des prédicteurs les plus importants pour la variable cible. Et d'une manière générale, il n'est pas facile de faire en sorte qu'une machine utilise les variables que vous souhaitez. S'il dispose d'un mécanisme intégré de hiérarchisation des prédicteurs, il fera le tri parmi vos "envies".
Certaines des machines d'entraînement les plus connues pour la classification des données (mais PAS des images) sont les arbres boostés par gradient (bibliothèques GBM / XGBOOST). C'est exactement ce qu'ils font : ils sélectionnent d'abord des variables qui représentent le prix par rapport au passé, par exemple la différence avec la moyenne mobile avec une fenêtre différente (pour moi, ce sont toujours les prédicteurs les plus importants).
Les réseaux neuronaux sont conventionnels (peu profonds) - les perceptrons multicouches ne tiennent pas compte des interactions..... C'est-à-dire que leurs nœuds sont tous des sommes pondérées traitées par un noyau. Mais peut-être que je me trompe et qu'ils travaillent implicitement sur les interactions... Je n'en suis pas sûr.
Il y a des camarades ici qui font des projets de plus de 600 fichiers sur Metatrader, donc cela peut être très difficile sur MT.
600+ fichiers - c'est de la frivolité, pas des mathématiques.
Eh bien, oui. Surtout quand vous n'avez aucune idée de ce qu'il y a dedans ;))
Voici ma primitive personnelle (pas un produit, pas à vendre) : https://www.mql5.com/ru/blogs/post/381081
La logique des positions d'ouverture et de fermeture tient en 50-100 lignes avec un bon balisage. Environ 4-6 paramètres importants. Le conseiller expert a progressé pendant 5 à 7 ans. Une seule idée a été prise et analysée en profondeur. Il est abandonné pour le moment.
Voici mon primitif personnel (pas un produit, pas à vendre) : https://www.mql5.com/ru/blogs/post/381081
La logique d'ouverture et de fermeture des positions tient en 50 à 100 lignes avec un bon balisage. Environ 4-6 paramètres importants. Le conseiller expert a progressé pendant 5 à 7 ans. Une seule idée a été prise et analysée en profondeur. Il est abandonné pour le moment.
J'admets que vous avez un TS robuste. Mais vous ne tenez pas compte du spread flottant et vous ne tenez pas compte du fait que cela peut ne pas fonctionner avec un autre courtier pour le même symbole, même en version d'essai.
Chaque symbole a son propre motif. L'historique de chaque symbole dépend du courtier. Lorsque, comme vous, vous obtenez une espérance mathématique dérisoire, vous devez vous rendre compte que ces caractéristiques affectent et très sérieusement. Et les mathématiques complexes peuvent se heurter à l'effet papillon. Lorsque les données sous-jacentes sont légèrement différentes (un courtier ou un spread différent), cela tue ou exalte le modèle mathématique suivant.
Et vous avez peut-être eu le Graal entre vos mains. Mais seulement vous ne saviez pas que c'était un graal non pas sur les majors mais sur certains GBPCHF. Et pas sur Alpari, que vous aviez l'habitude de tester, mais sur certains FXCM. Et vous avez jeté ce graal, sans savoir que vous déteniez un modèle mathématique aussi formidable, mais vous l'avez rejeté uniquement parce que vous ne connaissiez pas le GBPCHF et le FXCM.