L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 654
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
Yuri, non preoccuparti - il tuo aiuto e i tuoi suggerimenti sono presi in considerazione da me e sono ciò che mi impedisce di descrivere l'algoritmo per intero. Sto pensando a cosa farne... Non lo so ancora. Questo è tutto - lascio questo thread. Non rimproverare il pianista, suona come può.
Sì, Doc - se stai ancora gareggiando con le reti neurali, fallo su campioni trasformati. Da lì si può leggere in modo uniforme o esponenziale. Questo è davvero tutto. È meglio che vada a casa - l'umore qui sembra essere migliorato.
In realtà state tutti parlando della cosa sbagliata qui...
Si tratta di dati e poi dell'implementazione dello scarico MO nel TS, penso che sia meglio parlare di come trasformare un predicato rumoroso con NS, con poco più del 50% di precisione, in un TS almeno sopra lo spread.
In realtà state tutti parlando della cosa sbagliata qui...
Si tratta di dati e poi dell'implementazione dello scarico MO nel TC, penso che sia meglio parlare di come trasformare un predicato rumoroso con NS, con poco più del 50% di precisione, in un TC almeno sopra lo spread.
***
Come prova in questo momento:
demo?
Allora dov'era il rublo prima del 14? ))))))
In realtà state tutti parlando della cosa sbagliata qui...
Si tratta di dati e poi dell'implementazione dello scarico MO nel TS, penso che sia meglio parlare di come trasformare un predicato rumoroso con NS, con poco più del 50% di precisione, in un TS almeno sopra lo spread.
Anch'io ci ho pensato molto.
Se il modello di regressione predice i guadagni di prezzo per barra, e il punteggio R2 è superiore a zero su fronttest e backtest, questo è già un buon inizio. Il problema è che il risultato, anche se stabile, è piccolo, lo spread non può essere battuto.
Analiticamente, il problema è che R2 penalizza il modello più pesantemente per i grandi errori e ignora i piccoli errori e le direzioni sbagliate degli scambi. Se guardate la distribuzione dei guadagni, la maggior parte dei movimenti di prezzo sono solo un paio di pip. E il modello, invece di prevedere la direzione corretta di questi piccoli movimenti, impara a prevedere le code lunghe della distribuzione per le quali otterrà un R2 più alto. Di conseguenza, il modello può in qualche modo prevedere i grandi movimenti ma su quelli piccoli sbaglia sempre la direzione e perde lo spread.
Conclusione - le stime di regressione standard sono negative per il forex. È necessario inventare un qualche tipo di funzione di fitness che tenga conto delle direzioni degli scambi, della diffusione e della precisione, e la funzione dovrebbe essere liscia. Allora anche con una precisione di poco più del 50% c'è una possibilità di guadagno.
Precisione, Sharp ratio, fattore di recupero e altre funzioni che analizzano il grafico di trading sono troppo discrete, la neuronica con backprops standard non uscirà dal minimo locale e non imparerà correttamente.
Una conclusione alternativa è quella di ignorare completamente i segnali deboli del neurone. Commercio solo su quelli forti. Il problema è che possiamo sempre definire la soglia che dà buoni risultati sul backtest, ma non darà buoni risultati sul fronttest. Anche questo è qualcosa a cui pensare.
Una conclusione alternativa è quella di ignorare completamente i segnali neuronici deboli. Commercio solo su quelli forti. Il problema è che si può sempre trovare una soglia che darà buoni risultati nel backtest, ma non darà buoni risultati nel fronttest. Anche qui dovremmo pensare a qualcosa.
È logico fare trading su quelli forti. E il fatto che abbiamo ottenuto cattivi risultati sul frontend - forse NS ha semplicemente ricordato quello che avevamo sul backtest, e non ha generalizzato.
Forse si dovrebbe introdurre una sezione di convalida?
Ma potrebbe risultare che ci sarà un aggiustamento dell'area di convalida. E l'attaccante sarà di nuovo cattivo.
e direzioni di transazione sbagliate.
Potrebbe essere interessante: rugarch::DACTest - test di precisione direzionale. La cosa più interessante è che l'autore è il nostro contemporaneo russo Anatolyev.
Anatolyev S. Test di prevedibilità. Quantil #1, settembre 2006, pp. 39-43.