L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1204

Nuovo commento
 
Maxim Dmitrievsky:

La soluzione è trovare i pesi ottimali... ad esempio come variare il posteriore... da uniforme a esponenziale

Non sono un sostenitore dei modelli a scatola nera. Meglio quando tutto è trasparente, con un semplice significato "fisico".

Per esempio - calcoliamo la probabilità a priori che una correzione diventi un'inversione usando una grande storia e poi la ricalcoliamo per ogni particolare correzione in quella a posteriori a seconda dell'ora del giorno o delle caratteristiche del trend.

 
Aleksey Nikolayev:

Non sono a favore dei modelli a scatola nera. È meglio quando tutto è trasparente, con un semplice significato "fisico".

Per esempio - calcoliamo da un'ampia storia la probabilità a priori che una correzione diventi un'inversione, e poi la ricalcoliamo per ogni specifica correzione nella probabilità a posteriori, a seconda dell'ora del giorno o delle caratteristiche della tendenza.

Il semplice significato fisico delle leggi del Forex ci è sconosciuto, purtroppo.

 
Maxim Dmitrievsky:

il semplice significato fisico dei modelli forex non ci è noto, purtroppo

Si tratta dell'interpretabilità del modello.

 
Aleksey Nikolayev:

Si tratta dell'interpretabilità del modello.

allora sei fuori dal tema MO :) anche se i metamodelli sono facilmente interpretabili attraverso le loro metriche

 
Maxim Dmitrievsky:

Allora non sei nel tema MO :) anche se i metamodelli sono facilmente interpretabili attraverso le loro metriche

Perché? imho, il problema è lo stesso che distinguere un gatto da un cane per il MoD

 
Igor Makanu:

Secondo me, è come distinguere un gatto da un cane per il Ministero della Difesa

Perché è come parlare lingue diverse, secondo me...

distinguere per tratti, naturalmente... sono fiches
 
Maxim Dmitrievsky:

allora sei fuori dal MO :) anche se i metamodelli possono essere facilmente interpretati attraverso le loro metriche

Non sono sicuro che sia sempre facile, ma in qualche modo si può fare. Suppongo che non sia la rete neurale in sé, ma la sua approssimazione semplificata che dovrebbe fare direttamente il trading.

Senza metodi di MO (si può chiamare "analisi esplorativa intelligente") nel nostro caso non si può fare a meno)

 
Aleksey Nikolayev:

Non sono sicuro che sia sempre facile, ma in qualche modo si può fare. Suppongo che non sia la rete neurale stessa che dovrebbe fare direttamente il trading, ma la sua approssimazione semplificata.

Senza metodi MO (si può chiamare "analisi esplorativa intelligente") non possiamo farne a meno)

Ora voglio aggiungere la dipendenza dei segnali dalle distribuzioni ai parametri ottimizzati, l'ho fatto per cominciare, per vedere

     double arr[];
     CopyClose(_Symbol,0,0,100,arr);
     double kurt = MathKurtosis(arr);
     double skew = MathSkewness(arr); 
     if(kurt > 2.0) if(rand()/32767.0<0.5) res = 0; else res = 1;
     else {
      if(skew >0) if(rand()/32767.0>prob_shift) res = 0; else res = 1;
      if(skew <0) if(rand()/32767.0<prob_shift) res = 0; else res = 1;

se la curtosi è superiore a un certo valore (si può scegliere), allora si osserva una situazione piatta e si può comprare/vendere con la stessa probabilità (e poi correggere tutti quelli sbagliati)

inoltre sull'asimmetria, se c'è un certo lato, allora la probabilità del segnale di comprare o vendere è spostata

Questo è un primitivo, ma è approssimativamente il modo in cui l'ottimizzatore può selezionare gli obiettivi

Tutto quello che dovete ottenere dalle metriche è l'errore di classificazione su un campione di prova (da addestrare su un campione di allenamento). Gli iperparametri sono enumerati nell'ottimizzatore, e viene selezionato il modello con l'errore più basso. Cosa c'è di non interpretabile qui? Hai solo bisogno di sapere se tale modello può generalizzare o meno guardando gli errori sui dati di prova.

Ho appena fatto un esempio di tale clunker


 
Maxim Dmitrievsky:

Ora voglio aggiungere la dipendenza dei segnali dalle distribuzioni ai parametri da ottimizzare, ho fatto questo per cominciare, per vedere

A quanto pare, c'è una dipendenza...

Ho addestrato "SMM" (modello markoviano nascosto) sui ricorsi, l'ho diviso in 10 stati e l'ho addestrato senza un insegnante, ha diviso diverse distribuzioni da solo


distribuzioni di stato.


E qui ho raggruppato i rendimenti per stati, cioè ogni riga è uno stato di mercato separato

Alcuni stati (1,4,6,8,9) hanno troppo poche osservazioni, quindi non possono essere presi in considerazione

E ora cercherò di rigenerare la serie, cioè di fare una somma cumulativa, se si trova qualche tendenza in alcuni degli stati - la regolarità nella direzione

Ho fatto un riassunto cumulativo.

gli stati 5 e 7 hanno una struttura coerente, 5 è per bai e 7 è per il villaggio

 
Maxim Dmitrievsky:

Ora voglio aggiungere ai parametri ottimizzati la dipendenza dei segnali dalle distribuzioni, l'ho fatto per l'inizio, per vedere

se la curtosi è superiore a un certo valore (possiamo optare per questo), allora abbiamo una situazione piatta ed è possibile comprare/vendere con la stessa probabilità (e quindi correggere tutti quelli sbagliati)

inoltre sull'asimmetria, se c'è un certo lato, allora la probabilità del segnale di comprare o vendere è spostata

Questo è un primitivo, ma è il modo di selezionare gli obiettivi nell'ottimizzatore.

Perché i prezzi e non i loro incrementi?

1...119711981199120012011202120312041205120612071208120912101211...3399
Nuovo commento