L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1035
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
Stavo rispondendo alla domanda "perché abbiamo bisogno di Spark?
Stavi dimostrando la necessità del sistema di qualcun altro, ma non potevi mostrare quello che tu personalmente puoi fare con la tua libreria e rispondere alla mia domanda specifica, e c'è un compito di entry level skils. https://www.mql5.com/ru/forum/86386/page1033#comment_8211170
In realtà il modello contiene segnali di una semplice strategia sul crossover delle medie mobili - EMA 9 e EMA 14, leggermente rumorosa, per aumentare la redditività).
Sto pubblicando il modello di risposta completo - soluzioni con segnali iniziali, overlay dell'indicatore ed esecuzione visiva nel tester di uno degli EA addestrati sui segnali di cui sopra.
Sto incollando EA_EURUSD_H1_NN - basato su rete neurale, EA_EURUSD_H1_RF - su foreste casuali,
Gli Expert Advisors sono testati sul server EURUSD H1 MetaQuotes-Demo, i grafici di test appropriati sono mostrati di seguito.
...neuronet
...foreste casuali
Su entrambi i grafici c'è un periodo di formazione, cioè il periodo dei segnali di formazione, vedi il modello.
Stavi dimostrando la necessità del sistema di qualcun altro, ma per mostrare quello che tu personalmente puoi fare con la tua libreria e rispondere alla mia domanda specifica, e c'è un compito per le competenze di base. https://www.mql5.com/ru/forum/86386/page1033#comment_8211170
In realtà il pattern contiene i segnali di una semplice strategia sul crossover delle medie mobili - EMA 9 e EMA 14, leggermente rumorosa, per aumentare la redditività).
Sto incollando il modello completo della risposta - soluzione con segnali iniziali, indicatori sovrapposti ed esecuzione visiva nel tester di uno degli Expert Advisor addestrati sui segnali di cui sopra.
Sto mettendo EA_EURUSD_H1_NN - basato su rete neurale, EA_EURUSD_H1_RF - su foreste casuali,
I consulenti sono stati testati sul server EURUSD H1 MetaQuotes-Demo, di seguito i corrispondenti grafici di test.
...neuronet
...foreste casuali
Su entrambi i grafici è segnato il periodo di formazione, cioè il periodo in cui c'è un segnale di formazione, vedi il modello.
NN è la tua griglia segreta?
e le caratteristiche sono esattamente le stesse?
NN è la tua griglia segreta? le differenze sono grandi
e le caratteristiche sono esattamente le stesse?
Sì, ma il punto è un altro - mettiamoci d'accordo sui formati e scambiamoci informazioni sugli IO per il commercio, altrimenti non avremo nessun progresso, solo un ripiegamento alla cieca.
PS: Le caratteristiche in entrambi gli EA sono contate dalla barra OHLC, e il loro numero e la formula di calcolo sono identici.
Sì, ma il punto è un altro - mettiamoci d'accordo sui formati e scambiamoci informazioni sugli IO per il commercio, altrimenti non faremo nessun progresso, solo un gioco sporco, stile uomo cieco a uomo cieco.
PS: In entrambi gli EAs i chip sono calcolati utilizzando la barra OHLC e il loro numero e la formula di calcolo sono identici.
Dovresti unirti a noi nella nostra chat room, lì discutiamo di strategie e negoziamo. C'è molta segregazione per argomento, chi se ne frega di ciò che è interessante.
Gli argomenti importanti o segreti sono off limits per gli estranei.
È stato chiaro per molto tempo su Spark, non ho chiesto. Stavo chiedendo dell'idea. Questo approccio con la scintilla è proprio fuori mano a causa del modo inefficiente di imparare e della potenza richiesta
Lo stesso può essere fatto attraverso l'ottimizzazione nel cloud MT5 senza impalcatura. Non conosco il tuo output e se ti dà un profitto, ma non lo fa e questo algoritmo fallirà sempre a causa degli overfits
IMHA
C'è l'opinione che il modello costruito dovrebbe sempre restituire 0 o 1.
Ma cosa succede se trattiamo il risultato restituito dal modello come quello di un indicatore? Cercare di stimare un tale modello tramite MSE ecc non servirà a nulla. Ma quando si applica un tale modello con parametri di acquisto > 0,75 e vendita < 0,25 si ottengono buoni profitti.
L'idea stessa: gettare diversi dati di diversi indicatori in una foresta casuale e ottenere un super indicatore.
Il modo di cercare il graal richiede la verifica di idee non standard.
C'è l'opinione che un modello costruito dovrebbe sempre restituire 0 o 1.
Ma cosa succede se trattiamo il risultato restituito dal modello come un indicatore? Cercare di stimare un tale modello tramite MSE ecc non servirà a nulla. Ma quando si applica un tale modello con parametri di acquisto > 0,75 e vendita < 0,25 si ottengono buoni profitti.
L'idea stessa: gettare diversi dati di diversi indicatori nella foresta casuale e ottenere un super-indicatore.
I modi per trovare il graal richiedono la sperimentazione di idee fuori dagli schemi.
La foresta non dà probabilità di appartenenza alla classe, quindi queste disuguaglianze non hanno senso
>< 0,5 e basta, nessun altro modo. E poi c'è la questione di cosa sia meglio - segni e uscite binarizzate o no.
puoi dividere da 0 a 100 in classi, non c'è differenza, non è il NSla foresta non dà probabilità di appartenenza alla classe, quindi queste disuguaglianze non hanno senso
>< 0,5 e basta, non c'è altro modo. E un'altra domanda è cosa è meglio - segni e uscite binarizzate o no.
si può dividere in classi da 0 a 100, non è come NS.Se non c'è probabilità, allora cosa fanno queste linee?
Oh, giusto.
il risultato di tutti gli algoritmi di classificazione inclusi in ALGLIB non è la classe a cui appartiene l'oggetto, ma un vettore di probabilità condizionali.
Ma questo non è di grande consolazione. Ci saranno meno segnali e non necessariamente più risultati. Per me, per esempio, non l'ha fatto. Ora imposto la soglia 0,5 ovunque.
È la comparabilità degli errori sulla traccia e sull'oob che è molto più importante.
Oh, giusto.
il risultato di tutti gli algoritmi di classificazione inclusi in ALGLIB non è la classe a cui appartiene l'oggetto, ma un vettore di probabilità condizionali.
Ma questo non è di grande consolazione. Ci saranno meno segnali e non necessariamente più risultati. Per me, per esempio, non l'ha fatto. Ora imposto la soglia 0,5 ovunque.
Ciò che è molto più importante è la comparabilità degli errori sul treno e sull'oob.
Ma queste sono peculiarità degli algoritmi modificati.
AlgLib implementa la foresta casuale classica senza modifiche. È lo stesso in Spark.
Impostare la soglia a 0,5 = adattare i dati al risultato.
P.S. Anche i parametri di generazione della foresta casuale sono diversi.
Ma queste sono peculiarità degli algoritmi modificati.
AlgLib implementa una foresta casuale classica senza modifiche. È lo stesso in Spark.
Impostare la soglia a 0,5 = adattare i dati al risultato.
P.S. Anche i parametri di generazione della foresta casuale sono diversi...
Penso di avere anche algLib )
Ecco una descrizione, non so quanto sia "classico"
http://alglib.sources.ru/dataanalysis/decisionforest.php