L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 952
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
Per l'ultimo file ho avuto questo con l'albero :
2016, formazione
2015, test:
quando si prevede -1: -1 si verificherà effettivamente un po' più spesso di 1. Ma lo 0 sarà il più frequente di tutti, e probabilmente finirà tutto in perdite. Allo stesso modo per la classe "1".
Il problema dell'albero è venuto fuori. La genetica ha scelto il parametro dell'albero cp = 0, e questo dà all'albero il permesso per un mucchio di rami. Sfortunatamente, avremmo dovuto limitare questo parametro a qualche piccolo valore non nullo.
È possibile rappresentare la figura in termini di probabilità, come prima? Forse ci sono rami più significativi nei dati di prova?
Non credo che ci siano abbastanza predittori nei dati per classificare "0". Servono alcuni indicatori di planarità, per esempio.
In generale è male con l'albero. Il legno di SanSanych è molto meglio.
Cattive impostazioni del modello e, di conseguenza, sovrallenamento.
Ha preso solo un file 2016 (tra l'altro nel 2015 c'era 1 predittore in meno - l'ho corretto, posso riscaricarlo), e quest'anno il 2016 aveva una tendenza al rialzo!
L'albero si aggrappa ai dati dei TF superiori, e ci sono essenzialmente poche statistiche su di essi, e a causa di ciò ci può essere un kazoon sulla storia, quando il vettore di movimento globale cambia (2015 su e 2016 giù) o c'è un totale piatto (2017).
Per quanto riguarda il flat, abbiamo degli obiettivi che elaborano l'entrata a mercato dal flat così come per l'inversione, possiamo provare a separarli in qualche modo?
La pianura è ben identificata da predittori come Levl, l'unico problema è che l'albero non può collegarli tra loro, almeno a un TF.
Hai fatto un robot redditizio lì :)
Entrata in long - solo quando si prevede "1" (in blu), di cui >90% sarà profitto (in verde).
Entrare short - solo quando si prevede "-1" (in rosso), di cui ancora >90% sarà profitto (verde).
Previsioni di "0" significano non aprire nuove posizioni e aspettare tempi migliori, quindi non importa affatto quale sia la precisione effettiva prima di una previsione di questa classe.
Ma è meglio per esempio addestrare la foresta sul file 2015, e controllarla sul file 2016. Manca solo una colonna nel 2015, dovrebbe essere rimossa anche dal 2016, in modo che il sonaglio non sia confuso.
La figura può essere rappresentata in termini di probabilità come prima?
No, questa è una modalità di apprendimento ad albero diversa, adatta solo a 2 classi. O per la regressione.
Che figata c'è - riqualificazione e nient'altro, non ha un solo predittore che si riferisce alla sua variabile target - tutto rumore. E si siede in rattle e invece di controllare il rumore, posta file con spazzatura qui.
Sì, gli obiettivi non hanno un chiaro legame con i predittori, mostrano solo il risultato finanziario di entrare nel mercato in un particolare momento.
Pensi che il risultato sarà migliore se la logica delle entrate è legata agli indicatori di alcuni dei predittori, cioè se entriamo all'incrocio di МА, definiamo il risultato (1 o -1) e diamo informazioni sul fatto dell'incrocio MA nei predittori?
L'albero si aggrappa ai dati dei TF superiori, e ci sono poche statistiche su di essi, il che può portare a un kazoon nella storia, quando il vettore di movimento globale cambia (2015 su e 2016 giù) o c'è un totale piatto (2017).
Per quanto riguarda il flat, abbiamo degli obiettivi che elaborano l'entrata a mercato dal flat così come per l'inversione, possiamo provare a separarli in qualche modo?
Il piatto è ben identificato da predittori come Levl, l'unico problema è che l'albero non può collegarli insieme, almeno su un TF.
Oh, capisco, abbiamo già diversi indicatori piatti, ma l'albero non può collegarli insieme. Allora è probabilmente tutto, è il limite delle possibilità dell'albero.
Ieri ho ottenuto i risultati quasi altrettanto precisi, ma con un minor numero di ingressi nelle offerte. Quello che ho ricevuto oggi non è molto meglio. Qualcosa è andato storto e penserò a quali impostazioni possono essere corrette.
Sì, gli obiettivi non sono chiaramente legati ai predittori, mostrano solo il risultato finanziario di entrare nel mercato in un determinato momento.
Pensi che il risultato sarà migliore se la logica degli ingressi è collegata agli indicatori di alcuni predittori, cioè se entriamo all'incrocio della MA, determiniamo il risultato (1 o -1) e se diamo informazioni sul fatto dell'incrocio della MA nei predittori?
E questa è la mia opinione: la spazzatura in entrata è spazzatura in uscita! Sono le prime righe dei libri di testo di statistica.
Hai fatto un robot redditizio lì :)
Andare lungo sarebbe solo una previsione di "1" (in blu), di cui >90% sarebbe redditizio (in verde).
Entrare short - solo quando si prevede "-1" (in rosso), di cui ancora >90% sarà profitto (in verde).
La previsione "0" significa non aprire nuove posizioni e aspettare un momento migliore, quindi non ha molta importanza quale sia l'accuratezza effettiva in questa previsione di classe.
Ma è meglio per esempio addestrare la foresta sul file 2015, e controllarla sul file 2016. Manca solo una colonna nel 2015, dovrebbe essere rimossa anche dal 2016, in modo che il sonaglio non venga confuso.
Non ho costruito nulla - ho preso un file pronto e ho costruito randomForest, ma ero troppo pigro per dividerlo in due file. Alexey l'ha fatto per me e ha mostrato un risultato micidiale, che copre completamente le mie "realizzazioni".
Oh, capisco, ci sono già vari indicatori piatti, ma l'albero non sa come collegarli tra loro. Allora è probabilmente tutto, questo è il limite delle capacità dell'albero.
Ieri ho avuto quasi gli stessi risultati in termini di precisione, ma con un minor numero di entrate in affari. Quello che ho ricevuto oggi non è molto meglio. Qualcosa è andato storto, considererò quali impostazioni possono essere corrette.
Sì, penso che abbiamo bisogno di un albero che possa essere aiutato - per mostrare le probabili relazioni tra i predittori e impostare le condizioni per probabili confronti per il processo decisionale.
Come spiegare all'albero che la tendenza globale è in salita e in discesa? Naturalmente, posso usare lo stesso strumento, disegnare un canale, fare un percentile, cioè indicare chiaramente dove è diretto il vettore di tendenza, ma l'albero può semplicemente ignorare questo predittore, mentre esso, a mio parere, dovrebbe dividere l'intero gruppo in almeno due per vettore di tendenza globale.
Non so, forse dovremmo adattare (dividere in parti) il campione di situazioni, allenarci su di esso e poi identificare forzatamente la stessa tendenza globale nell'Expert Advisor e ascoltare l'uno o l'altro albero a seconda del vettore.
Che cosa ha a che fare questo con la mia opinione: spazzatura dentro, spazzatura fuori! Queste sono le prime righe dei libri di testo di statistica.
Non si tratta di spazzatura - l'input è in realtà un insieme di probabilità di risultati di eventi, queste probabilità sono influenzate da predittori, e l'output è il risultato di molti eventi diversi e indipendenti, anche se il risultato può essere lo stesso. Penserò all'ingresso chiaro e alla rimozione di tutte le varianti senza segnale all'ingresso - sarà interessante vedere il risultato. Anche se non riesco ancora ad avere un feedback dai partecipanti qui - dovremmo segnare l'input esplicitamente nei predittori, se vengono usate diverse strategie di input?
Siamo tutti alla ricerca di punti di ingresso, ma forse dovremmo provare a cercare un flat?
Forse qualcuno ha un indicatore/script per rilevare gli appartamenti sulla storia?
Penso che potremmo prendere un canale di regressione con l'intervallo di 100, spostarlo su ogni barra e se la pendenza è maggiore / minore di X, potremmo considerare l'area descritta dal canale come piatta. Cosa ne pensate?