L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 327

[Yuriy Asaulenko]

Maxim Dmitrievsky:

Sarà possibile collegarsi con mt-check SciLab in seguito?

Questo è quello che sto facendo. La DLL dovrà essere scritta, ovviamente.

A proposito, l'interfaccia grafica e la sintassi di SciLab sono molto simili a quelle di R.

Ora sto cercando tra i neuro-pacchetti R e le loro descrizioni. Imho, tutto è molto più complicato e meno trasparente che in SciLab. In SciLab, appena iniziato ieri, posso già fare un neuronc, se avessi un array di allenamento.

Lì nelle istanze c'è una previsione del seno di 3 passi avanti.

È elementare. Tutto il codice, già addestrato:

x = 0:0.02:20;
P = sin(x);
T = 2.*sin(x - 0.2);
plot(x,P,x,T);

// Create and train a network to preduct T from P
Delay = 3;
[w,b,y,ee] = ann_ADALINE_predict(P,T,0.2,1,Delay);
figure(); plot(T); plot(y,'r');

w e b sono parametri del neurone addestrato.

[Dr. Trader]

Maxim Dmitrievsky:

Avete un buon articolo su R e su come addestrare semplici reti neurali, con esempi?

Atacha ha un neurone per Renat, ma potete usarlo anche come semplice esempio.

C'è un buon articolo di SanSanych Fomenko -https://www.mql5.com/ru/articles/1165
Lì mostra come utilizzare una delle GUI per R, dove è possibile elaborare i dati e addestrare diversi modelli. Dopo tutte le operazioni sulla scheda Log si può vedere il codice corrispondente, e poi modificarlo ed eseguirlo da soli per imparare la programmazione in R.

Ho preso la storia delle barre eurusd e gbpusd m30 da mt5 con la sua nuova funzione di esportazione della storia delle barre in csv.

Poi R allena il neurone, i suoi pesi vengono salvati nel file e questi pesi devono essere inseriti in mql5 Expert Advisor. Ho addestrato neuronics su gennaio 2017, non commercia bene in altri periodi.
L'EA può essere eseguito su eurusd o gbpusd.
Trading sia eurusd che gbpusd ugualmente bene è mediocre con i neuroni, probabilmente ha bisogno di più neuroni. Inoltre, c'è un altro array di pesi commentato nel codice mql, sono stati addestrati solo per eurusd, rispettivamente, il profitto con quei pesi sarà generalmente cosmico.

Commercio quando si allena la neuronica solo su eurusd. L'ho studiato per 3 mesi, solo uno di loro è stato usato, nel mezzo, mostra chiaramente il profitto che sale.

[Maxim Dmitrievsky]

Yuriy Asaulenko:

Questo è quello che sto facendo. La DLL dovrà essere scritta, ovviamente.

A proposito, l'interfaccia grafica e la sintassi di SciLab sono molto simili a quelle di R.

Ora sto cercando tra i neuro-pacchetti R e le loro descrizioni. Imho, tutto è molto più complicato e meno trasparente che in SciLab. In SciLab, appena iniziato ieri, posso già fare un neuronc, se avessi un array di allenamento.

Lì nelle istanze c'è una previsione del seno di 3 passi avanti.

È elementare. Tutto il codice, già addestrato:

w e b sono parametri del neurone addestrato.

Sì, forte... ho già R, ma... ci ho lavorato solo un po', se ssilab è meglio per alcuni compiti specifici, allora forse può essere usato... ma non li ho ancora...

Se tornate all'argomento del tema della predizione delle serie temporali - finalmente siete arrivati alla fine del video, e cosa pensate... Hanno iniziato con l'analisi di regressione, poi sono passati a modelli complicati come Arima e Garch e hanno finito con lo slogan: al diavolo questi modelli, l'analisi di regressione fa un lavoro migliore :)) A proposito, è stata una conferenza molto competente, almeno per me ha chiarito molto. Ho anche afferrato l'essenza dell'aritmetica e della spazzatura, e ho trovato qualche conferma delle mie idee intuitive.

"Non c'è scienza dietro, alla fine siamo arrivati a capire che non c'è bisogno di scienza per quanto riguarda i metodi di regressione"

[Maxim Dmitrievsky]

Ildottor Trader:

Atacha ha un neurone per Renat, ma potete usarlo anche come semplice esempio.

C'è un buon articolo di SanSanych Fomenko suhttps://www.mql5.com/ru/articles/1165
Mostra come utilizzare una delle GUI per R, dove è possibile elaborare i dati e addestrare diversi modelli. Dopo tutte le operazioni nella scheda Log potete vedere il codice corrispondente e poi modificarlo ed eseguirlo voi stessi per imparare la programmazione in R.

Ho preso la storia delle barre eurusd e gbpusd m30 da mt5 con la sua nuova funzione di esportazione della storia delle barre in csv.

Poi R allena il neurone, i suoi pesi vengono salvati nel file e questi pesi devono essere inseriti in mql5 Expert Advisor. Ho addestrato neuronics su gennaio 2017, non commercia bene in altri periodi.
L'EA può essere eseguito su eurusd o gbpusd.
Trading sia eurusd che gbpusd ugualmente bene è mediocre con i neuroni, probabilmente ha bisogno di più neuroni. Inoltre, c'è un altro array di pesi nel codice mql che è stato commentato ed è stato addestrato solo per eurusd, significa che il profitto con quei pesi sarà totalmente cosmico.

Commercio quando si allena la neuronica solo su eurusd. 3 mesi, su di loro è stato addestrato solo su uno, nel mezzo, si può chiaramente vedere il profitto che sale lì.

Forte, grazie :) Il mio modello, tuttavia, è ora migliore nei test ... ma non è ancora stato testato in condizioni di combattimento

A proposito, ho letto questo articolo di SanSanych, ho anche iniziato a fare qualcosa, ma poi ho rinunciato, non c'è tempo

[Yuriy Asaulenko]

Maxim Dmitrievsky:

Sì, forte... ho già R, però... ci ho lavorato solo un po', se è meglio per alcuni compiti specifici, allora forse posso usarlo... ma non li ho ancora...

Se tornate all'argomento del tema della predizione delle serie temporali - finalmente siete arrivati alla fine del video, e cosa pensate... Hanno iniziato con l'analisi di regressione, poi sono passati a modelli complicati come Arima e Garch e hanno finito con lo slogan: al diavolo questi modelli, l'analisi di regressione fa un lavoro migliore :)) A proposito, è stata una conferenza molto competente, almeno per me ha chiarito molto. Ho anche ottenuto l'essenza di arima e garcia, e ho trovato conferma di alcune delle mie idee intuitive.

Non so dove (e in cosa?) hai visto la specificità in SciLab? È solo una rete ordinaria. A proposito, ci sono decine di reti diverse là fuori, per compiti diversi. Un esempio è quello predittivo. Ci sono anche reti di classificazione.

La regressione è grande, naturalmente. Ma se fai trading usando la regressione, un nuovo modello deve essere costruito ad ogni minuto. Come si dice nella lezione, più lungo è l'intervallo di previsione, più grande è l'errore, e a intervalli più lunghi la previsione crollerà insieme al modello. Con i metodi descritti nella lezione la ricostruzione in tempo reale è impossibile.

[Maxim Dmitrievsky]

Yuriy Asaulenko:

Non so dove (e in cosa?) vedi la specificità in SciLab? Una rete ordinaria. A proposito, ci sono decine di reti diverse, per compiti diversi. Per esempio, ce n'è uno predittivo. Ci sono reti di classificazione.

La regressione è grande, naturalmente. Ma se fai trading usando la regressione, dovrai costruire un nuovo modello ogni minuto. Più lungo è l'intervallo di previsione, più grande è l'errore, e a intervalli più lunghi la previsione andrà in pezzi insieme al modello. Utilizzando i metodi descritti nella lezione la ricostruzione in tempo reale è impossibile.

Non le specifiche, ma che alcune cose sono più convenienti e veloci da fare lì che in R, come hai scritto

[Yuriy Asaulenko]

Maxim Dmitrievsky:

Non specifiche, ma che alcune cose sono più facili e veloci da fare lì che in R, come hai scritto

Sì, molto più conveniente e più veloce da implementare. Ma non capisco cosa significa -"se ssilab è meglio per alcuni compiti specifici,... ". Neuronici e neuronici africani, e l'unica domanda è dove è più facile, più veloce e meno costoso per ottenere risultati.

Zy. Ho visto esempi di neuronics che insegnano la tavola della moltiplicazione. Diciamo che ha 7 x 7, beh, funziona a 48,7 o giù di lì. Ho visto un esempio di un neurone che impara la tabella di moltiplicazione, per esempio, 7 x 7.

[Maxim Dmitrievsky]

Yuriy Asaulenko:

Sì, molto più conveniente e più veloce da implementare. Ma non capisco cosa significa -"se ssilab è meglio per alcuni compiti specifici,... ". Neuronici e neuronici africani, e l'unica domanda è dove è più facile, più veloce e meno costoso ottenere risultati.

Zy. Ho visto esempi di neuronics che insegnano la tavola della moltiplicazione. Diciamo che ha 7 x 7, beh, funziona a 48,7 o giù di lì. Ho anche visto un'istanza di un neurone che impara la tabella di moltiplicazione.

Quindi, è più conveniente per imparare NS, ma in R, per esempio, c'è un dataminer e c'è già un modo per combinarlo con MT

[Yuriy Asaulenko]

Maxim Dmitrievsky:

Voglio dire, è più comodo per insegnare NS, ma in R c'è un dataminer e c'è già un modo per combinarlo con MT

C'è anche il Data Mining in SciLab, compresa l'ottimizzazione e la genetica. Sì, non c'è una DLL, deve essere scritta. Ma c'è un'API C/C++, e non è un problema connettersi, ma ci vorrà del tempo, ovviamente. Tuttavia ho competenze per scrivere DLL, ma nessuna competenza per lavorare con le reti neurali, e non credo che tutto istantaneamente e da solo sarà fatto.

Anche se ho sia R che SciLab sul mio computer, e lavoro con entrambi, ma R è usato molto meno spesso - R è più adatto per la sua area tematica - The R Project for Statistical Computing.

[СанСаныч Фоменко]

Maxim Dmitrievsky:

Voglio dire, è più comodo per imparare NS, ma in R, diciamo, c'è un dataminer e c'è già un modo per combinarlo con MT

Perché ve la prendete con le reti? Non funzionano e basta, è solo una moda di un'epoca passata, probabilmente il primo pacchetto di apprendimento automatico che era disponibile.

Ce ne sono di più promettenti: foreste casuali, una varietà di ada. E in generale il pacchetto caret shell, che ha un paio di centinaia di pacchetti, incluse le mesh, e si può fare una selezione automatica tra loro.

PS.

Maglie serie che probabilmente funzionano qui e qui. L'autore è sul forum, che si sta occupando del commercio, collegandosi ai terminali MT4/5 ...

PSPS

Come si può seriamente paragonare R con skylab? Una specie di pacchetto rustico, non in nessuna classifica...

PSPSPS

E non si tratta affatto di modelli, ma di datamining. Se trovate i predittori che si riferiscono alla variabile obiettivo, sarete a posto.

Tutto il resto sono giochi mentali.