L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1496

[Maxim Dmitrievsky]

mytarmailS:

In linea di massima sì, ecco l'articolo da cui è stata presa la base di tuttohttp://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of-4/.

Ed ecco uno snippet di codice dall'esempio nell'articolo.

Se togliete l'elaborazione e la visualizzazione dei dati, sì, il codice è lungo tre righe.

Bene, ecco da dove provengono, per esempio, bulmarket e bearmark e bulmarkett, vale a dire che è necessaria una preelaborazione dei dati all'inizio

e poi viene il calcolo del percorso attraverso Viterbi e forward-backward, anche questi 2 algoritmi diversi. Non lo capisco, lo leggerò.

in python appare così, in lib hmmlearrn

>>> import numpy as np
>>> from hmmlearn import hmm
>>> np.random.seed(42)
>>>
>>> model = hmm.GaussianHMM(n_components=3, covariance_type="full")
>>> model.startprob_ = np.array([0.6, 0.3, 0.1])
>>> model.transmat_ = np.array([[0.7, 0.2, 0.1],
...                             [0.3, 0.5, 0.2],
...                             [0.3, 0.3, 0.4]])
>>> model.means_ = np.array([[0.0, 0.0], [3.0, -3.0], [5.0, 10.0]])
>>> model.covars_ = np.tile(np.identity(2), (3, 1, 1))
>>> X, Z = model.sample(100)

[Ilya Antipin]

Attualmente sta lavorando su Evolving Neural Networks attraverso l'aumento delle topologie da http://gekkoquant.com/2016/10/23/evolving-neural-networks-through-augmenting-topologies-part-4-of-4-trading-strategy.

Non sono riuscito a installare in remoto il pacchetto RNeat tramite devtools, ho usato la sua alternativa - remotes (remotes::install_github). Lo script per MT4 è quasi pronto. Ho escluso complesse trasformazioni di pre-elaborazione, cercherò di usare prima i dati grezzi. Ho aggiunto la possibilità di lavorare con qualsiasi numero di predittori. Se viene fuori qualcosa di interessante, vi informerò presto.

Allego un esempio di R-script per i dati forex. Il simbolo analizzato è USDJPY-H1. Dati iniziali - ultimo prezzo noto e 10 ritardi RSI.

[mytarmailS]

Ilya Antipin:

Mi piacerebbe vedere come funziona RNeat sul mio indicatore

[Ilya Antipin]

mytarmailS:

È un'idea marcia usare indicatori ben noti con un periodo fisso, nessun algoritmo può trovarvi dei pattern perché semplicemente non esistono, il mercato ha una struttura dinamica, frattale (mutuamente racchiusa), abbiamo bisogno di un indicatore che sia almeno leggermente adeguato al mercato, che tenga conto del frattale almeno indirettamente.

Sono d'accordo. Ho ottenuto buoni risultati con l'indicatore ZigZag. Alimento i prezzi degli estremi recenti o dei loro derivati, compreso il prezzo dell'ultimo estremo non finito. L'indicatore è calcolato per ogni istanza dell'insieme di allenamento, cioè produce una variante senza rimodellamento. Questo è l'unico indicatore che ha mostrato risultati più o meno soddisfacenti che possono essere scambiati.

[mytarmailS]

Ilya Antipin:
Sono d'accordo. Ho ottenuto buoni risultati con l'indicatore ZigZag. Alimento i prezzi degli estremi recenti o dei loro derivati, compreso il prezzo non finito dell'ultimo estremo. L'indicatore è calcolato per ogni istanza dell'insieme di allenamento, cioè produce una variante senza rimodellamento. Questo è l'unico indicatore che ha mostrato risultati più o meno soddisfacenti che possono essere scambiati.

Se ho capito bene, ho anche fatto quasi la stessa cosa, ma con un algoritmo diverso, ho previsto non la direzione ma il ginocchio di svolta, ho scritto qui come ho gestito il prezzohttps://www.mql5.com/ru/forum/86386/page1476

[Ilya Antipin]

Prime impressioni sulla ricerca sul pacchetto RNeat. In primo luogo, ci vuole molto tempo per calcolare il modello, ed è impegnativo per la potenza di calcolo del computer. In secondo luogo, non ottiene risultati perfetti quando si inserisce l'obiettivo. Sembra avere un meccanismo di apprendimento particolare, che non valuta direttamente l'importanza dei predittori.

[mytarmailS]

Ilya Antipin:
Non riesco a capire se sto ottenendo un risultato perfetto quando inserisco l'obiettivo

Non è molto chiaro... puoi essere più specifico?

p.s. E qual era l'obiettivo? Ho guardato il codice ma non sono riuscito a capirlo, massimizzazione del profitto?

[Ilya Antipin]

mytarmailS:

Se ho capito bene, anche io ho fatto quasi la stessa cosa, ma con un algoritmo diverso, ho previsto non la direzione ma il ginocchio di svolta, ho scritto qui come ho gestito il prezzohttps://www.mql5.com/ru/forum/86386/page1476

Posso dare la spiegazione di mercato di questo effetto. Nei punti di inversione del mercato (cambio di tendenza) c'è un cambiamento nell'equilibrio di domanda e offerta associato alla manifestazione di fattori di prezzo più forti (fondamentali). Forse la relazione matematica tra diversi punti passati di questo tipo può contenere informazioni preziose per la previsione tecnica dei punti futuri.

[mytarmailS]

Ilya Antipin:
Si può dare una spiegazione di mercato di questo effetto. Nei punti di inversione del mercato c'è un cambiamento nell'equilibrio di domanda e offerta associato alla manifestazione di fattori di prezzo più forti (fondamentali). Forse la relazione matematica tra diversi punti passati può contenere informazioni preziose per la previsione tecnica dei punti futuri.

Mi sembra che sia ancora più semplice... Se lasciamo solo gli estremi significativi dei prezzi e lasciamo cadere tutto il resto, in più non stiamo prevedendo la direzione ma solo la traccia dell'estremo, si sgombra i dati da molto rumore e si riducono i gradi di libertà per la rete neurale, per cui è grato

[Ilya Antipin]

mytarmailS:

Mi sembra che sia ancora più semplice... Se lasciamo solo gli estremi di prezzo significativi e lasciamo perdere tutto il resto, in più non prevediamo la direzione, ma solo la traccia dell'estremo, non pulisce i dati da molto rumore e riduce i gradi di libertà per la rete neurale, per cui è grato

Sì. Indubbiamente, utilizzando gli estremi significativi stiamo riducendo la dimensionalità dei dati e questo a sua volta avrà un impatto positivo sui risultati di apprendimento.