L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 41
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Allena un neurone che produrrà l'opposto di quello che vuoi, proprio come il tuo, ma di proposito. Ma che senso ha farlo? :)
Non lo faccio apposta, l'ho solo allenato e lo vedo ))
La ricetta è questa -
1) formare due reti separatamente per comprare e per vendere, ho preso la rete "neurale profonda" è importante perché l'uscita di una tale rete non è 01010101, e la probabilità di 01010
2) Prendo semplicemente le uscite di due reti e costruisco una differenza di somme cumulative e ottengo quello che c'è nell'immagine...
Nella prima immagine, le probabilità sono visualizzate in basso (uscite di due reti così come sono) e la differenza cumulativa (così come è) è visualizzata in alto insieme al prezzo
sulla seconda immagine è lo stesso e il segno della differenza cumulativa è invertito (invertito) per una migliore chiarezza
=======================================
Se questo processo è previsto per qualche candela in avanti, almeno per uno, è un graal)) Non sono ancora riuscito
aspettato tutto il giorno per i commenti, nessuno è interessato???
La domanda stessa non è chiara.
Fate attenzione. Ci sono quasi duecento modelli. Se non avete iniziato a padroneggiarli, ve lo consiglio. Non sono solo modelli, ma un sacco di altre cose molto utili.
Prevede tutto con qualche passo in avanti, se vuoi.
I modelli di regressione accumulano l'errore dalle fasi precedenti.
Per i modelli di classificazione l'errore cresce, ma non a causa del numero di passi avanti.
Si noti che per le serie temporali è sempre possibile allargare la TF e predire di un passo, il che corrisponderebbe a predire di diversi passi su una TF più piccola.
Serve un qualche tipo di strumento che possa prevedere alcuni passi avanti usando un insieme di predittori
mytarmailS:
Serve un qualche tipo di strumento che possa prevedere alcuni passi avanti usando un insieme di predittori
Controlla Rminer. Pacchetto molto ben organizzato
Ciao!
Ho due domande per voi
1) per quanto riguarda le reti ricorrenti della pagina precedente, ho buttato il pacchetto "rnn" è davvero un po' strano e mal concepito e sono passato a "RSNNS" ha preso la rete "Elman" ha buttato i dati tutto ha funzionatoNon capisco dove e come impostare "quanto la rete si ricorda nel passato" in "rnn", dove era subito chiaro che ogni variabile veniva trasformata in una matrice con un numero. corrispondeva alla dimensione della memoria della rete, ma non ho trovato tale parametro in"RSNNS", ma è impossibile che non ci fosse, perché l'essenza della rete ricorrente è proprio in essa.
2) Cosa devo cercare in"rminer"? Se intendete qualcosa come "arima" allora non funzionerà.
Ho provato a scrivere un tale classificatore target per fare previsioni a più passi, ma non ci sono riuscito, i risultati erano strani, prima di tutto la qualità è scesa (è normale perché la previsione non è sulla 5° o 10° candela), l'anti-correlazione era ancora presente anche se meno pronunciata, ma il trucco è che non ho ottenuto l'anticipazioneSembra che l'inversione dell'indicatore sia stata la stessa dell'inversione del mercato, cioè ho ottenuto qualcosa che era di qualità peggiore, ma non capisco perché sia successo in quel modo..
Parliamo un po' della selezione qualitativa dei tratti. i miei pensieri su questo...
Non ti abbattere! Sto per esagerare, ma è un buon esempio...
Tutti i modi comuni di selezione degli attributi (nel mercato) si riducono a mettere 100 indicatori in un campione di formazione e usare diversi metodi di diversi "gradi" per selezionare, diciamo, 20 indicatori che descrivono meglio il prezzo, ma questo metodo non è troppo primitivo, nonostante i metodi avanzati e potenti di selezione degli attributi? Penso che sia grossolano e primitivo e i metodi di selezione non hanno nulla a che vedere con esso, lasciatemi spiegare perché...
Facciamo una deviazione e pensiamo a come lavora un trader professionista(ricordate, sto ancora esagerando :)) che ha solo due indicatori - livelli e indicatore "RSI E c'è un sistema di trading in cui un trade di vendita suona così - se il livello è rotto verso l'alto e RSI è maggiore di 0,9, allora vendi...
Trading system in questo caso agisce come un filtro di dati, un filtro che non permette al commerciante di entrare nel rumore e la quota di rumore in questo esempio con RSI non è uno scherzo 95% perché RSI gamma da -1 a 1 e il commerciante ha bisogno solo ciò che è >0,9 quelli 5% ...
Quindi ciò che ne consegue è che Dio non voglia che ci sia il 5% di informazioni utili in ogni tratto e il resto del 95% è rumore, rumore che non serve, che impedisce alla rete di imparare, rumore che deve essere rimosso... Quindi devi estrarre solo situazioni utili da ogni attributo, in questo esempio con RSI è da 0,9 a 1, tutto il resto è spazzatura...
E ora torniamo all'inizio del post, avete 100 attributi (indicatori), tutto quello che potete (per quanto freddo possa essere il metodo) è scegliere i migliori indicatori, rendendosi conto che ogni indicatore ha il 95% di rumore, cosa pensate che sia la qualità della selezione di questi attributi?
Conclusione: è necessario prendere ogni tratto e separare l'utile da esso, ho delle idee su come farlo ma prima di dirlo vorrei sentire i vostri pensieri, idee e suggerimenti su di esso