L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 238
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
Ora ho fatto una selezione adeguata dei parametri del modello, addestrato, predetto, ora ho ottenuto 0.69102. Con l'ultimo set di dati era 0,69121, questa settimana è meglio, ma è dovuto al caso, il modello è essenzialmente lo stesso. La prossima settimana mi lancerà di nuovo a +-0,0002 da qualche parte.
Per me questo è il limite per ora, il mio modello è addestrato su 21 predittori iniziali senza alcun trucco. Per il forex, per esempio, scarico diversi indicatori dal terminale e seleziono i loro parametri. Cioè ottengo migliaia di indicatori su 4 predittori (ohlc), e poi li setaccio, lasciando solo trenta pezzi e insegno il modello.
Ho inviato loro un altro file con tutte le previsioni=0,5, punteggio = 0,69315, potete usarlo per il confronto.Idealmente, dovrei in qualche modo fare migliaia di questi 21 predittori numerai e setacciare le cose inutili. Ma gli indicatori funzionano con le righe ohlc, ma non con quelle così uniformemente spaziate, dovrei pensare a come generarne altre nuove.
No....
Capisco, allora smetterò di ingombrare il thread
Dovrò capire come generarne altri nuovi da loro.
Ora ho fatto una selezione adeguata dei parametri del modello, addestrato, predetto, ora ho ottenuto 0.69102. Con l'ultimo set di dati era 0,69121...
e ho perso tutto, è peggio, 0,69120 minimo su RF, ho provato MLP ma non funziona affatto.
SZS guardare qui strofinare i messaggi su una sorta di algoritmo strano((
Non so cosa fare con loro, ma lo fanno tutti). E tutti finiscono allo stesso modo. È normale + e il forum è stato a lungo un bazar. E l'esperimento può essere fatto.
Tanto più che ci sono anche aspetti positivi. Basta guardare come sono costruiti gli alberi sui randomi e sul BP. Come apparirà model-ts
Su diversi randomi. E così via. Mettevo sia mei che astroinduki nelle griglie dieci anni fa, e i dati delle maree in diversi porti del mondo, e i percorsi migratori di
di animali, ecc. a cui una persona normale non penserebbe). Scrivete e usate quello che volete, ma non saltate alle conclusioni.
#Genera casuale, almeno 10K osservazioni
write.csv2(x, file = "D:/1.csv", row.names = FALSE, quote = FALSE) #scrivi al file 1.csv sul disco D:/
-----------
Che finestra))) A proposito, questo chelong però è inutile, ma ci sono momenti interessanti. Per esempio il modo in cui i concorrenti caricano i dati di calibrazione,
il che ci permette di speculare sulla pre-elaborazione dei dati utilizzata dagli autori del compito...
Forrest è scomparso da tempo, era solo nei primi due post, poi ho scritto che ho iniziato a selezionare i modelli "a modo mio" nel modo che ho descritto quando cercavo buoni cluster - aka modelli...
Allego il modello.
Questo è un cohonen addestrato
gli dai gli ultimi 10 valori mediani dei prezzi
MD <- prezzo mediano
MD <- scale(MD,T,T) # normalizza così
library(SOMbrero) # eseguire il pacchetto con il cohonen
MD[is.na(MD)] <- 0 # sostituisce possibili NA
pred <- predict(model,MD) predict cluster
se il cluster è il numero 41 (pred==41) allora è un acquisto, stop prendere a gusto...
provalo, forse funzionerà per te
Pensando ma non riesco a pensarne uno)) , Chi ha dei pensieri....
abbiamo due configurazioni di candele
Dall'immagine è chiaro che in effetti il pattern candlestick è lo stesso, la differenza è nella volatilità, come possiamo portare matematicamente questi due pattern allo stesso schema?
Potreste dire sì, dovremmo normalizzarlo, ma il punto zero si sposta, e questo è importante...
come nella foto.
Solo per spiegare, immaginiamo di voler conoscere il colore della candela attuale, precedente e precedente cosa facciamo:
close-open , close[-1]-open[-1] , close[-2]-open[-2]
Otteniamo un grafico come l'immagine "1", tutto è chiaro e diretto, tutto sopra lo zero è una candela bianca, tutto sotto lo zero è una candela nera.
Ora risolviamo il problema della volatilità (quello che è apparso nel primo grafico). Abbiamo bisogno di normalizzare il grafico in un certo intervallo, come mostrato nella figura "2" , ma dopo la normalizzazione otteniamo un nuovo asse zero che non contiene alcuna informazione.
Come normalizzare i dati in modo che "zero è giusto" e il problema della volatilità sia risolto? quali sono i vostri pensieri?
come normalizzare i dati in modo da eliminare sia il problema dello "zero è giusto" che quello della volatilità? quali sono i vostri pensieri?
L'ho fatto in questo modo -
In totale hai 8 punti sul grafico - O(0), H(0), L(0), C(0), O(1), H(1), L(1), C(1)
Inoltre, a questi punti O(0), H(0), L(0), C(0), O(1), H(1), L(1), C(1) possono essere assegnati i valori seriali 1,2,3,4,5,6,7,8
OHLC - aperto, alto, basso, chiuso
(0) e (1) - numero di barra
Questi punti possono essere disposti in ordine decrescente di prezzo sul grafico, dal più alto al più basso - H(0), H(1), O(0), C(1), L(0), C(0), O(1), L(1)
E ora H(0), H(1), O(0), C(1), O(0), L(0), O(1), L(1) può essere trasformato in un vettore (2, 6, 1, 8, 3, 4, 1, 7), e può essere normalizzato a 0-1 se necessario.
E risulterà che entrambe le trame avranno lo stesso "schema" (2, 6, 1, 8, 3, 4, 1, 7), che descrive l'ordine in cui questi punti scendono nella trama
Purtroppo non sono stato in grado di spremere alcun beneficio da questo. Con solo 2 candele ci possono essere 40320 modelli. Tre candele = (4*3)! = 479001600 modelli, ecc. Realisticamente sarà meno, perché per esempio H è sempre più di O,H,L nella stessa candela; e C è meno. Ma il numero di modelli è ancora enorme.
Cioè, a qualsiasi configurazione di candelieri può essere assegnato un vettore di numeri, e usarlo per rilevare configurazioni simili in futuro. Ma il numero di possibili configurazioni ottenute in questo modo è così grande che è probabilmente impossibile trovare qualche modello grafico secondo il quale il prezzo andrà sempre verso l'alto/il basso. Nella strategia "Bill Williams' Fractals", per esempio, il modello consiste di 5 candele e solo un paio di combinazioni di tutti i miliardi possibili sono scambiate.
Ecco un po' più chiaramente nell'immagine, per esempio per 3 candelieri.
No grazie))) Ho solo suggerito i randomi di diverse macchine...
Non si ottiene l'idea, posso generare rumore e me stesso un paio di volte e non hanno bisogno di spingere su diverse macchine)
Il succo dell'idea è questo.
Sto allenando il MO per le inversioni e non ci sono così tante inversioni nella storia delle citazioni... Le quotazioni si muovono in onde (waves) e infatti se ci pensi il numero di varianti per l'inversione è abbastanza sicuro, sono diverse mutazioni di testa e spalle, doppi top, tripli top, ecc.E queste figure appaiono non perché abbiano qualche influenza mitica sul mercato, ma perché le stesse varianti dell'inversione sono finite nei movimenti d'onda, o così o così, o nient'altro, e infatti se costruiamo un grafico del mercato o cumulativo Random, o qualcosa del genere con la struttura d'onda, vedremo che le inversioni avvengono con le stesse figure, gli stessi capi e spalle saranno in Random...
Così qui, in quell'articolo che è stato lanciato da D. Trader, l'autore ci ha detto che è possibile generare alcuni campionamenti simili per la rete, oltre al campionamento che già abbiamo e con questo aumentiamo la base di conoscenza della rete e quindi aumentiamo l'accuratezza della rete.
Dato che non ci sono molte inversioni nel mercato, ho capito che posso ottenere una base di conoscenza infinita di inversioni attraverso la randomizzazione cumulativa...
Vedete, non sto cercando un potere mitico che possa prevedere il mercato ))))) E testando questa teoria ho ottenuto il risultato, che ho postato, perché penso che il risultato sia ottimista.
Come normalizzare i dati per rendere equo lo zero ed eliminare il problema della volatilità?
Ecco come ho fatto -
Grazie, ci proverò....
L'ho fatto in questo modo...........
Se ho capito bene, il metodo è troppo rozzo...
Prendiamo il più semplice modello a candela singola
Abbiamo tre tre schemi.
si inseriscono tutti in uno schema logico
O<H , O<C , O>L
H>O , H>C , H>L
C>O , C>L , C<H
L<O , L<C , L<H
Se ho capito bene, il tuo metodo classifica tutte e tre le candele come un unico modello, e questo non è buono
come si normalizzano i dati in modo da eliminare sia il problema dello "zero è giusto" che quello della volatilità?%?
come hai calcolato esattamente la differenza?
per esempio la differenza tra alto e basso
a = alto
b = Chiudere
(a*100)/b quindi?
Non ho potuto farlo in questo modo, la rete è un inferno, anche i colori delle candele sono confusi
Se ho capito bene, il metodo è troppo rozzo.