L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1575
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Questa è sicuramente una stronzata. Non ci sarà abbastanza campionamento con questa frequenza di transazioni
ha una seconda opinione?
Troveresti difficile da condividere?
Ha un'opinione diversa?
Ti dispiacerebbe condividerlo?
Sono del parere che nei giochi con informazioni incomplete e risultati probabilistici, e quindi strategie probabilistiche, questa stessa natura probabilistica DEVE essere presa in considerazione per determinare la qualità delle strategie.
In altre parole, per determinare quanto il risultato del giocatore sul campione attuale sia vicino al suo risultato sul campione infinito, la dimensione del campione attuale deve essere tale che la deviazione del risultato con una probabilità del 95% sia inferiore al 10% (qualunque sia il numero impostato). Non c'è altro modo per stimarlo. Questo è calcolato con metodi statistici. Lo calcolavo, se ho bisogno di cercarlo.
Sono giunto alla conclusione che se la strategia è basata su modelli stabili, allora dovrebbe funzionare in altri mercati di natura simile. In questo modo aumentiamo lo slancio in avanti almeno diverse volte. Se una strategia a lungo termine non può funzionare in altri mercati, allora non è una strategia a lungo termine, ma un adattamento a qualcosa. Un'altra cosa è che questo aggiustamento può portare profitto per molto tempo, per fortuna.
Sono del parere che nei giochi con informazioni incomplete e risultati probabilistici, e quindi strategie probabilistiche, questa stessa natura probabilistica DEVE essere presa in considerazione per determinare la qualità delle strategie.
In altre parole, per determinare quanto il risultato del giocatore sul campione attuale sia vicino al suo risultato sul campione infinito, la dimensione del campione attuale deve essere tale che la deviazione del risultato con una probabilità del 95% sia inferiore al 10% (qualunque sia il numero impostato). Non c'è altro modo per stimarlo. Questo è calcolato con metodi statistici. Lo calcolavo, se ho bisogno di cercarlo.
Ho concluso che se la strategia è basata su modelli stabili, allora dovrebbe funzionare in altri mercati di natura simile. In questo modo aumentiamo lo slancio in avanti almeno diverse volte. Se una strategia a lungo termine non può funzionare in altri mercati, allora non è una strategia a lungo termine, ma un adattamento a qualcosa. Un'altra cosa è che questo adattamento può dare profitti per molto tempo, come la fortuna vuole.
Abbiamo un campione per 13 anni, dal 01.01.2007 per un TF per tutte le 28 coppie di valute
Sulla base di questo campione secondo un modello rigorosamente specificato facciamo dei sintetici (combinazioni di queste valute), che, essendo osservati per un certo tempo, dopo il periodo di osservazione, si comportano, diciamo, in un certo modo dopo un certo tempo
questo "qualche tempo" risulta essere abbastanza lungo, diciamo fino a 10 mesi
in questo caso risulta in media solo 1,5-2 punti di ingresso al mese, o quasi 2 volte di più, se prendiamo il timeframe 2 volte meno )) ecc.
Naturalmente, si può aspettare 2 volte 10 mesi per eseguire un vero test in avanti
10 per essere esatti, dato che i 10 mesi precedenti a questo messaggio non rientrano nel campione a causa delle condizioni di campionamento
allora avremmo in realtà 2 periodi di 10 mesi - 1° da "meno 10 mesi a ora" e 2° "da ora a più 10 mesi"
Perché questa domanda?
Perché mi sembra che anche un tale test in avanti non risponderà alla domanda sul sovrallenamento del sistema
Non è che stiamo adattando i risultati all'"ultima parte" del campione.
anche se è probabile che il mercato in un periodo di 10-12 mesi possa comportarsi secondo alcune tendenze globali, che possono facilmente cambiare, anche dopo la fine del periodo di osservazione, per esempio, dopo l'elezione di Trump (appena il 20 novembre)
Naturalmente, si può provare a far sì che la stessa foresta casuale trovi una soluzione simile, ma non il fatto che la trovi, dato che non è ancora chiaro "cosa ficcarci dentro"?
abbiamo un campione per 13 anni, dal 01.01.2007 per un TF per tutte le 28 coppie di valute
Sulla base di questo campione secondo un modello rigorosamente definito facciamo dei sintetici (combinazioni di queste valute) che, essendo osservabili per qualche tempo, dopo il periodo di osservazione si comportano, diciamo, abbastanza definitivamente dopo qualche tempo
questo "un po' di tempo" risulta essere abbastanza lungo, diciamo fino a 10 mesi
In questo caso, in media ci sono solo 1,5-2 punti di ingresso al mese, o quasi 2 volte tanto se si prende il TF 2 volte meno )) ecc.
naturalmente, è possibile aspettare 2 volte 10 mesi ciascuno per fare un test in avanti giusto
più precisamente 10 mesi, perché i 10 mesi precedenti a questo messaggio non rientrano nel campione a causa delle condizioni di campionamento
allora avremmo in realtà 2 periodi di 10 mesi - 1° da "meno 10 mesi a ora" e 2° "da ora a più 10 mesi"
Perché questa domanda?
Perché mi sembra che anche un tale test in avanti non risponderà alla domanda sul sovrallenamento del sistema
Non è che stiamo adattando i risultati all'"ultima parte" del campione.
anche se è possibile che durante 10-12 mesi il mercato si comporti secondo alcune tendenze globali, che possono facilmente cambiare, anche dopo la fine del periodo di osservazione, per esempio, dopo l'elezione di Trump (proprio nel novembre del 20).
Naturalmente, si può provare a forzare la stessa foresta casuale a trovare una soluzione simile, ma non il fatto che la troverà, poiché non è ancora chiaro "cosa ficcarci dentro"?
Dipende da quanti parametri liberi ha il sistema. Per esempio, se ci sono 2-3 parametri e tutti i segnali sono indipendenti, allora possiamo fare a meno di qualsiasi inoltro, cioè ci sarà una certa fiducia statistica. Ma se i segnali sono molto pochi, allora non è possibile trarre alcuna conclusione, allora si può pensare se c'è un vero modello dietro questi segnali e analizzarlo.
La foresta è solo un memorizzatore con un gran numero di parametri - non darà alcuna risposta.
abbiamo un campione per 13 anni, dal 01.01.2007 per un TF per tutte le 28 coppie di valute
Sulla base di questo campione secondo un modello rigorosamente specificato facciamo dei sintetici (combinazioni di queste valute) che, essendo osservabili per un certo tempo, dopo il periodo di osservazione si comportano, diciamo, abbastanza definitivamente dopo un certo tempo
questo "un po' di tempo" risulta essere abbastanza lungo, diciamo fino a 10 mesi
In questo caso risulta essere in media solo 1,5-2 punti di ingresso al mese, o quasi 2 volte di più se si prende un TF 2 volte meno )), ecc.
naturalmente, è possibile aspettare 2 volte 10 mesi ciascuno per fare un test in avanti giusto
più precisamente 10 mesi, perché i 10 mesi precedenti a questo messaggio non rientrano nel campione a causa delle condizioni di campionamento
allora avremmo in realtà 2 periodi di 10 mesi - 1° da "meno 10 mesi a ora" e 2° "da ora a più 10 mesi"
Perché questa domanda?
Perché mi sembra che anche un tale test in avanti non risponderà alla domanda sul sovrallenamento del sistema
Non è che stiamo adattando i risultati all'"ultima parte" del campione.
anche se è probabile che durante un periodo di 10-12 mesi il mercato possa comportarsi secondo alcune tendenze globali, che possono facilmente cambiare, anche dopo la fine del periodo di osservazione, diciamo, dopo l'elezione di Trump (proprio nel novembre del 20)
Naturalmente, si potrebbe provare a forzare la stessa foresta casuale a trovare una soluzione simile, ma non è certo che la troverà, dato che non è ancora chiaro "cosa ficcarci dentro"?
Qualcosa mi dice che è così che si trovano le tendenze fondamentali. E come lei stesso è arrivato alla conclusione che sì, potrebbe finire tra un anno o due, o domani. Sono affari come al solito. Se il tuo sistema dà input così rari, allora non c'è altro da fare che affidarsi ad esso, avendo precedentemente (come ha già notato Maxim) analizzato e determinato i modelli, che siano contraddittori e casuali.
https://www.youtube.com/watch?v=aX887X3lAc0&t=677s
video utile e il canale stesso, forse qualcuno riceverà il messaggio...
video utile e il canale stesso, forse qualcuno riceverà il messaggio...
perché abbiamo bisogno di pubblicizzare i corsi?
Dipende da quanti parametri liberi ha il sistema. Per esempio, se ci sono 2-3 parametri e tutti i segnali sono indipendenti, allora si può fare a meno di qualsiasi inoltro, cioè ci sarà una certa fiducia statistica. Ma se i segnali sono molto pochi, allora non è possibile trarre alcuna conclusione, allora si può pensare se c'è un vero modello dietro questi segnali e analizzarlo.
La foresta è solo un memorizzatore con un gran numero di parametri, non darà alcuna risposta.
Bene, in generale possiamo dire che sì, ci sono solo 2-3 parametri, uno dei quali è qualche quantità matematica ampiamente conosciuta ))), il secondo è la distanza dal punto finale di osservazione (lunghezza di un affare - ordine aperto) e il terzo è il valore del periodo di osservazione più un altro parametro ma è costante e non dipende dai primi tre
il secondo è costante e non dipende dal terzo, ma può essere diverso in tempi diversi
Il terzo è di lunghezza variabile (varia in qualche intervallo "da" e "a")