L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 437
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
Non sono ancora sicuro che sia giusto pensare ai grafici come simili quando le differenze di pendenza sono così grandi. Usando lo stesso esempio:
la variante trovata dà un pullback dal punto di tendenza superiore o la fine della tendenza, trasferendola al grafico del modello darà una previsione di una continuazione della tendenza in declino piuttosto che un'inversione - essenzialmente un segnale inverso. C'è qualcosa che non va qui....
tutto vero, solo una grande differenza nella pendenza dei modelli, si può fare una restrizione di ricerca se la pendenza è molto diversa, per non prendere in considerazione tali varianti, ma se si guida il tester raramente troverà varianti con una differenza molto grande nella pendenza, dice che ad un certo limite non sarà veramente un modello in calo ma in aumento e la struttura avrà una bassa correlazione con quella attuale
10-15 gradi (a occhio), quanto meno? Ed è meglio non trovare nulla che un falso segnale.
PS. misurato in photoshop - 18 gradi
bene 10-15 gradi (a occhio) quanto meno? Ed è meglio non trovare nulla che un falso segnale.
Anche con una perfetta coincidenza del 50% prevede nella direzione sbagliata).
E a proposito, sì, la curva prognostica non è contata correttamente qui, ho sbagliato da qualche parte... e ho perso la vecchia versione
fa anche una corrispondenza perfetta al 50% e prevede nella direzione sbagliata).
Perché state facendo una previsione sulla base di una sola variante, con un centinaio di varianti simili la precisione della previsione sarebbe maggiore. Ma la previsione media sarà zero ))
Male sia per uno che per molti. Dovrei dare questo compito all'ottimizzatore.
Poiché state facendo una previsione su una sola linea, con cento simili la precisione della previsione sarebbe maggiore. Ma la previsione media sarà zero ))
È un male sia per una linea che per molte. Dovremmo dare questo compito all'ottimizzatore.
Sì, ma prima di tutto dovrebbe essere corretto, la previsione non dovrebbe tirare linee come quella, mostra solo la direzione giusta )
Ma comunque sono tutte stronzate per correlazione, ecco perché ho rinunciato...
Come minimo, abbiamo bisogno di fare trasformazioni affini dei grafici, perché i modelli sono a diversi angoli di pendenza (strutture auto-affini), e in secondo luogo, la ricerca su diversi timeframe. Ma non aiuta quando si usa la correlazione - trova modelli molto dissimili .
Se il problema principale della correlazione è che"trova modelli che non sono molto simili", allora possiamo semplicemente definire requisiti più severi per l'errore accettabile e solo modelli molto simili saranno trovati. Ma non si verificherà su ogni barra, ma a volte (una volta in diverse ore, come nel tuo Expert Advisor con un angolo di pendenza). Di nuovo, l'ottimizzatore sceglierà l'errore accettabile.
Inoltre, nella mia variante la correlazione di Pearson non viene contata direttamente, come nel tuo caso, ma l'errore totale (con il vaglio dell'errore massimo accettabile su ogni barra). In questo caso si trovano sicuramente le varianti più correlate al modello, ecco perché l'ho confrontato con la correlazione.
Supponiamo che ci siano due matrici di prezzi, con 5 prezzi in ciascuna
il primo è a1,a2,a3,a4,a5
Il secondo è b1,b2,b3,b4,b5.
1) Il grafico dei prezzi può essere detrenderizzato, cioè può essere messo in orizzontale da una disposizione ruotata. Questo può essere fatto con una regressione lineare - trovarlo, e usare l'array di errori al posto della serie originale dei prezzi. Se questo passo aiuterà a trovare i modelli non lo so, non ho studiato la sua influenza in dettaglio. Finora non ho usato io stesso questo passo.
2) È discutibile chiamare una fila di prezzi un modello; ci deve essere una descrizione matematica della forma formata da questi prezzi. Per esempio, possiamo trovare l'aumento del prezzo su ogni barra e usare questi aumenti come una certa descrizione del modello.
il primo modello è ottenuto dalla formula a5-a4, a4-a3, a3-a2, a2-a1
il secondo è b5-b4, b4-b3, b3-b2, b2-b1.
3) "somiglianza" dei modelli - o correlazione (non l'ho controllata io stesso), o distanza cartesiana per il teorema di Pitagora (l'ho controllata, e ha funzionato bene) -
sqrt( ((a5-a4)-(b5-b4))^2 + ((a4-a3)-(b4-b3))^2 + ((a3-a2)-(b3-b2))^2 + ((a2-a1)-(b2-b1))^2 )
o qualcos'altro, penso che ci dovrebbero essere opzioni migliori.
1. Fallo tu - aumentando la tolleranza all'errore quando si va più in profondità nella storia.
2. Calcolo dell'errore Lop-side (somma dei valori delta abs. su ogni barra) I grafici devono essere sommati preliminarmente sulla barra zero.
Abs(a5-b5)+ abs(a4-b4)+abs(a3-b3)+abs(a2-b2)+abs(a1-b2)
Calcolo dell'errore secondo la vostra variante
abs((a5-a4)-(b5-b4))+abs((a4-a3)-(b4-b3)+....
trasformare il 1° elemento
abs((a5-a4)-(b5-b4)) = abs((a5-b5)+(b4-a4)) -
(a5-b5)+(b4-a4) = delta 5 + ( - delta 4), questo è simile alla somma dei delta, cioè degli errori. Ma questa non è la somma dei valori assoluti delta, ma solo la somma, e di delta con segno diverso! Se gli errori su barre vicine hanno lo stesso segno, si compensano a vicenda (per il fatto che il secondo delta ha un segno meno). Anche un errore enorme di +1000pts e +1000pts sarà ridotto a zero nella vostra formula. E segnerà come simile, un grafico con un outlier di +1000pts su 2 barre. Anche se sull'elemento successivo, solo 1 di questi outlier sarà calcolato e l'errore risultante scarterà questa variante.
Ma comunque, questa funzione di calcolo degli errori può mancare come una variante simile, una serie con delta: 0, +10, +15, +12, +5. La vostra formula per questa combinazione darà meno errore (25 pt) che la semplice somma dei valori delta assoluti su ogni barra (42 pt).
3. Questa è la stessa formula del punto 2 con gli stessi inconvenienti.
Il più semplice è quello di spostare la larghezza della finestra per passo attraverso l'intera sequenza e trovare la somma dei valori ass. delt:
0,0,0 e 1,2,3 errore = (1-0)+(2-0)+(3-0)=6
0,0,1 e 1,2,3 errore = (1-0)+(2-0)+(3-1)=5
0,1,2 e 1,2,3 errore = (1-0)+(2-1)+(3-2)=3
1,2,3 e 1,2,3 errore = (1-1)+(2-2)+(3-3)=0
2,3,1 e 1,2,3 errore = (2-1)+(3-2)+Abs(1-3) = 4
Dove l'errore minimo è la massima somiglianza.
E la convoluzione è la stessa, ma invece di addizione e modulo è una moltiplicazione e viene scelto il massimo, è più veloce
0,0,0 e 1,2,3 errore = 0*1+0*2+0*3 = 0
E la convoluzione è la stessa, ma invece di addizione e modulo si sceglie una moltiplicazione e un massimo, è più veloce
0,0,0 e 1,2,3 = 0*1+0*2+0*3 = 0
Il mio aggiunge e sottrae più velocemente che moltiplicare, e trova il modulo semplicemente equiparando il 64° bit a zero.
3. Questa è la stessa formula del punto 2 con gli stessi svantaggi.
È tutta una formula, l'ho solo trasformata in tre passi per renderla più chiara. Quindi i segni non saranno un problema, dato che c'è la quadratura.