L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 77
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
Un ottimo risultato per R, considerando che tutti gli altri linguaggi sono usati per molti scopi diversi e R solo per la gestione dei dati.
Hai provato ad allenarti sui miei dati?
Ho iniziato un esperimento di 5 giorni. Sto solo torturando EURUSD!
Ho fatto 99 campioni di allenamento delle dimensioni che ho postato qui. Tutti sono unici perché contengono osservazioni a tempo. Sto formando dei modelli su di loro e farò un comitato di foreste GBM. Ho già alcuni risultati interessanti sulla convalida, anche se ho esaminato solo 18 campioni in 24 ore. Detto questo, ho fatto 2,5 volte la convalida e più tardi vi mostrerò perché!
Come potete vedere, nel primissimo campione di allenamento il modello si è allenato in modo che su 400 K osservazioni in convalida ho ottenuto MO 2,7 punti (compreso lo spread).
Beh, ci sono ancora risultati di 1, 1,5 punti, normali. Tutto questo sarà impilato in commissione più tardi e vediamo quale sarà finalmente il quadro sulla convalida! Prevedo un voto di 4 o 4+ per i compiti.
Andate pure, signori.
PS: dati di formazione - 99 campioni per la diversificazione e la commissione: https://drive.google.com/open?id=0B_Au3ANgcG7CNG5JT3R2UzI0UzQ
Sì, ho provato, non ha funzionato la prima volta. Per stimare il modello ho preso la precisione del risultato della regressione (risultato richiesto scalato in [0;0.5;1] meno il risultato ottenuto, modulo). La genetica ha trovato un tale massimo globale con un paio di predittori, quando il neurone non ha abbastanza dati per l'addestramento, quindi restituisce 0,5 su quasi tutti i dati (corrispondenti alla classe "do not trade"). In generale una tale funzione di fitness non è affatto adatta, la rete semplicemente non commercia come risultato.
Ora il secondo esperimento è ancora in corso. Uso ancora 3 classi ma arrotondo immediatamente il risultato della regressione ai livelli [0;0.5;1]. La stima è la precisione di classificazione ([numero di risposte corrette] / [numero totale]). Dal grafico dei migliori valori di fitness in genetica posso giudicare che il risultato sarà vicino al 33%, essenzialmente lo stesso di quello casuale. Forse un po' più in alto, se sei fortunato. Devo aspettare un altro giorno o due finché la genetica sarà al massimo, poi potrò fare il fronttest.
Sui miei predittori di solito ho risultati migliori, penso che tu debba aggiungere più indicatori a questi dati. Se il tuo algoritmo può valutare e scartare i predittori, più indicatori aggiungi inizialmente e meglio è.
Sì, ho provato, non ha funzionato la prima volta. Per stimare il modello ho preso la precisione del risultato della regressione (risultato richiesto scalato in [0;0.5;1] meno il risultato ottenuto, modulo). La genetica ha trovato un tale massimo globale con un paio di predittori, quando il neurone non ha abbastanza dati per l'addestramento, quindi restituisce 0,5 su quasi tutti i dati (corrispondenti alla classe "do not trade"). In generale una tale funzione di fitness non è affatto adatta, la rete semplicemente non commercia come risultato.
Ora il secondo esperimento è ancora in corso. Uso ancora 3 classi ma arrotondo immediatamente il risultato della regressione ai livelli [0;0,5;1]. La stima è la precisione di classificazione ([numero di risposte corrette] / [numero totale]). Dal grafico dei migliori valori di fitness in genetica posso giudicare che il risultato sarà vicino al 33%, essenzialmente lo stesso di quello casuale. Forse un po' più in alto, se sei fortunato. Devo aspettare un altro giorno o due fino a quando la genetica non raggiungerà il massimo, poi potrò fare il fronttest.
Sui miei predittori di solito ho risultati migliori, penso che tu debba aggiungere più indicatori a questi dati. Se il tuo algoritmo può valutare e scartare i predittori, più indicatori aggiungi inizialmente e meglio è.
Ancora cercando di costruire il graal???? Avanti......
Sto ancora cercando di costruire un graal???? Avanti......
Nah, no ragazzi, il sistema è andato, non ha senso nemmeno mostrarlo. Scuse..... Per quanto riguarda il trattato sulla classificazione, sì... può... ma non c'è ancora tempo, appena sarò libero e la mia creatività si impadronirà di me, ne scriverò..... Altrimenti.....
Mi chiedo... Non hai scritto che stai usando il tuo algoritmo con successo da un anno? Qualche ora fa hai scritto "Sto ancora cercando di costruire un graal???? Avanti......" il che implica che l'algoritmo stava lavorando qualche ora fa e poi è sparito???????????????????? Questo non dà alcun senso alla tua storia ....
Ascolta, se hai qualcosa da dirmi, allora mandami un PM, perché ho fatto la stessa cosa che hai scritto tu, sono interessato all'argomento.
Ci sono stati post nel thread su RNeat, che è un neurone con topologia adattiva, dove i pesi e le connessioni dei neuroni sono formati usando la genetica.
A giudicare dalla descrizione e dai semplici test, il modello è abbastanza buono. Ma non è così buono per il forex. Per una settimana ho avuto un allenamento in esecuzione, prevedendo di comprare/vendere sulla prossima barra con 400 predittori.
Il modello di apprendimento è troppo lento, in una settimana il fitness del modello è quasi aumentato solo al 2%. L'accuratezza delle previsioni anche sui dati di allenamento è solo del 55%, il modello non ha avuto il tempo di evolvere verso una buona logica per iniziare a generare profitti.
La precisione sui dati di convalida (barre casuali prese dai dati di allenamento) è un po' meglio, ma è più per caso che per merito del modello.
L'accuratezza del fronttest oscilla tra il 50% e il 53% e a giudicare dal grafico è anche accidentale e non dovuto al modello.
Non è successo nessun miracolo, immagino che il modello si devolverà alla logica giusta durante mesi di lavoro, ma si riaddestrerà con cattivi risultati sulla convalida e a quel punto sarà obsoleto e dovrò ricominciare tutto da capo.
Interrompo l'esperimento; non vedo il senso di continuare.