L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 539
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 riesco a capire niente senza il codice.
Dovrei fare un semplice Expert Advisor con un set minimo di funzioni, solo leggere i valori dell'indicatore e scriverli nel log (o meglio - in un file csv, per un migliore confronto successivo). In questo caso i risultati saranno diversi e il codice deve essere inviato al Service Desk insieme al codice dell'Expert Advisor.
Puoi anche allegare il codice lì -https://www.mql5.com/ru/forum/1111/page2096 - persone competenti lo controlleranno e confermeranno o spiegheranno cosa c'è di sbagliato.
OK, cercherò di riferire lì. Non sto testando un EA in agent, sto testando un indicatore che chiama l'indicatore da un altro simbolo. Forse c'è una differenza... Non so... il tempo passa, il problema persiste :-(
https://geektimes.ru/post/294617/
finalmente sta uscendo qualcosa con il sistema adattivo che si riqualifica da solo... è un tempo infernale per farlo ed è ancora un abbozzo ma è già qualcosa e il grafico dell'equity è scomodo ma "onesto", cioè è tutto un avanti senza alcun aggiustamento al mercato :) un sacco di accordi rumorosi di cui mi devo anche sbarazzare
Il MO è ovviamente molto duro per il cervello
F
cioè è tutto un avanti senza alcun adattamento al mercato :) un sacco di scambi rumorosi di cui devo anche sbarazzarmi
Questo è molto difficile per il cervello
F
Pensi che sarebbe possibile mostrare il grafico dei simboli per lo stesso periodo?Nel complesso è simile, sì, ma il modello è leggermente più avanti rispetto al mercato in termini di redditività
e usato timeframe m15, ecco perché così tanti scambi. Ma non è ancora la versione finale, l'ho spennato perché sono stufo :)
Non posso ancora. Sono stato impegnato con problemi domestici per un anno. Mi manca ancora un mese. Poi comincerò a postare i risultati, il materiale di partenza è pronto.
È passato più di un mese. Stiamo aspettando l'applicazione GARCH, con immagini...
È passato più di un mese. In attesa di una storia sull'applicazione pratica del GARCH, con immagini...
Sì, l'ho fatto.
Mi sono imbattuto in una descrizione comprensibile di un neurone LSTM, così ho scritto un po' di codice per testarlo. Articolo -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
Nel codice prendo 100 barre di eurusd m5, conto gli incrementi per barre e addestro il neurone lstm a prevedere il prossimo incremento in base all'ultimo noto.
L'apprendimento è stato fatto senza complesse equazioni analitiche, i pesi dei neuroni sono regolati dall'ottimizzazione discreta lbfgs, è peggio ma per un semplice test andrà bene.
La stima della predizione (R2) è risultata essere un po' più di zero, che è molto bassa, ma sempre meglio di una supposizione casuale. Tenendo conto che il neurone lstm non prende alcuni indicatori o array di incrementi, ma solo un valore da cui predice il prossimo, ed è ripetuto per ogni barra, e in generale è molto semplice - il risultato è migliore di quanto mi aspettassi. Ma se prendiamo migliaia di barre allora il punteggio R2 risulta essere < 0, peccato. E sembra che il risultato di un tale modello peggiori molto a Forex su nuovi dati, ho bisogno di inventare alcune biciclette con convalida incrociata, non ci sarà alcun profitto in una forma così semplice.
Ora ho bisogno di fare una rete con questi neuroni, ma non è stato menzionato nell'articolo.
Mi sono imbattuto in una descrizione comprensibile di un neurone LSTM, così ho scritto un po' di codice per testarlo. Articolo -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
Nel codice prendo un eurusd m5 da 100 barre, conto gli incrementi per barre e insegno al neurone lstm a prevedere il prossimo incremento usando l'ultimo noto.
Ho fatto l'allenamento senza complesse equazioni analitiche, i pesi dei neuroni si adattano all'ottimizzazione discreta lbfgs, è peggio ma lo farà per un semplice test.
La stima della predizione (R2) è risultata essere un po' più di zero, che è molto bassa, ma sempre meglio di una supposizione casuale. Tenendo conto che il neurone lstm non prende alcuni indicatori o array di incrementi, ma solo un valore da cui predice il prossimo, e si ripete per ogni barra, e in generale è molto semplice - il risultato è migliore di quanto mi aspettassi. Ma se prendiamo migliaia di barre allora il punteggio R2 risulta essere < 0, peccato. E sembra che il risultato di un tale modello peggiori molto a Forex su nuovi dati, ho bisogno di inventare alcune biciclette con convalida incrociata, non ci sarà alcun profitto in una forma così semplice.
Ora ho bisogno di comporre in qualche modo una rete da questi neuroni, ma questo non era menzionato nell'articolo.
La rete Lstm predice anche i cicli stagionali peggio di arima, ma ci vuole molto più tempo per allenarla... Non ho ancora capito l'utilità di queste reti :)
Ho un amico che ne è sempre stato entusiasta, ha imparato Keras, ha preso una semplice serie al lavoro con profitto stagionale, ha allenato la rete per quasi un giorno... e ci ha giurato sopra per molto tempo dopo.