L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1621

 
Aleksey Vyazmikin:

La realtà potrebbe non essere quella che immaginiamo - dovremmo provare a riprodurre gli algoritmi di partizionamento di CatBoost e vedere cosa succede realmente e quanto è corretto.

Per quanto riguarda la casualità - c'è una casualità sulla scelta del partizionamento della griglia dei predittori, come non il migliore, ma casuale, se ho capito bene. E, ci sono algoritmi che rendono lo stack non uniformemente diviso per intervalli.

Io la penso diversamente. Ogni predittore è diviso per un punto casuale, ma viene comunque scelta la migliore divisione risultante.

 
mytarmailS:

Direi che non è male, ma è frustrante.

Fondamentalmente funziona come un normale indicatore di ipercomprato/ipervenduto.

A volte è giusto, a volte è sbagliato, non dovrebbe essere...

Avete testato questa rete per il trading? La mia esperienza mi dice che non farà soldi...

A meno che non si metta un filtro sulla "certezza" della rete

Non ho intenzione di discutere sull'adeguatezza/inadeguatezza, ho accumulato alcune statistiche durante la notte + aggiunto un filtro "fiducia". Questo è l'aspetto della notte con il filtro impostato in alto. Se metti zero, le linee non si romperanno affatto, ma cambieranno solo lato.
Ve lo darò per il test nel prossimo futuro.

 
Evgeny Dyuka:
Zona arancione sopra - prevede un movimento verso il basso, verde sotto - movimento verso l'alto, il livello di fiducia del neurone è spesso. Funziona solo su BTCUSD M1 (per ora).
È bello? ))

Sembra un normale indicatore di tendenza ))). Quanto spesso lo riqualificate?

 

In base a questo quadro, l'addestramento è estremamente raro o non abbastanza corretto, perché altrimenti tali zone semplicemente non esistevano nel momento in cui il sistema addestrato è stato applicato.

Probabilmente non sarà una rivelazione per nessuno che il tester di strategia in MT è essenzialmente il sistema neurale addestrato.
 
Farkhat Guzairov:

Sembra un normale indicatore di tendenza ))). Quanto spesso lo riqualificate?

Lo è solo se lo si guarda da lontano). A ben guardare, si può vedere che non è così semplice.
Mi sono allenato una volta, questa è la prima prova. L'area di allenamento fino al 1° febbraio circa, poi un set di dati di test fino al 24 febbraio.
Devo dire che questo neurone è stato costruito a malapena, quindi sono sorpreso che mostri qualcosa. Ho un'idea di dove andare da qui.
 
Farkhat Guzairov:

In base a questo quadro, l'addestramento è estremamente raro o non abbastanza corretto, perché altrimenti tali zone semplicemente non esistevano nel momento in cui il sistema addestrato è stato applicato.

Probabilmente non sarà una sorpresa per nessuno che il tester di strategia in MT è in realtà il neurosistema addestrato.
Hai qualche esempio di lavoro con un apprendimento corretto? Non sto parlando delle reti neurali segrete che fanno milioni di profitti, tutti le hanno )) Ma quelli che sono pubblici.
 
Evgeny Dyuka:
Questo se lo si guarda da lontano. Dopo uno sguardo più attento si vede che non è così semplice.
L'ho provato una volta, era la prima prova. Area di apprendimento fino a circa il 1° febbraio, poi un set di dati di prova fino al 24 febbraio.
Dovrei dire che questo neurone è stato costruito nel mio scrapheap, quindi sono sorpreso che mostri qualcosa. Ho un'idea di dove andare da qui.

Quindi in sostanza non hai ancora sviluppato un sistema per fare trading su di esso, vedi solo un risultato di previsione relativamente accettabile, ma hai provato a fare trading e quali regole applichi?

 
Farkhat Guzairov:

Cioè in sostanza non hai ancora sviluppato un sistema (trading) su di esso, finora vedi solo un risultato di previsione relativamente accettabile, ma hai provato a fare trading e quali regole applichi?

Una buona domanda.
Non penso di trasformarmi in scambi, per una questione di principio. Appena comincio a occuparmi di take/stop/backtest, il mio cervello comincia a ridursi e comincio a combattere con i mulini a vento. Faccio un indicatore e il resto si risolve da solo.
 
Evgeny Dyuka:
Avete qualche esempio funzionante di addestramento adeguato? Non mi riferisco alle reti neurali segrete che fanno milioni di profitti, tutti le hanno). Intendo quelli che sono pubblici.

Ho .... Io traggo le conclusioni dai backtest nel tester, quale pensi che sia il risultato che ottieni se il tuo sistema è addestrato correttamente? Quasi il 90% di risultati di input corretti. In precedenza gli stessi backtest non hanno dato un tale risultato, da cui concludo che la formazione in questo caso era corretta.

Prova lo stesso.

 
elibrario:

Io la penso diversamente. Ogni predittore è diviso a caso, ma viene comunque scelta la migliore divisione risultante.

Sono andato a guardare il loro aiuto, ma non lo capisco - è molto confuso. Cercherò di trovare questo punto nel video più tardi, è più chiaro lì.

Ma ho anche visto che CB ha aggiunto nuove opzioni per costruire alberi.

--grow-policy

La politica di crescita degli alberi. Definisce come eseguire la costruzione dell'albero greedy.

Valori possibili:
  • SymmetricTree-Unalbero vienecostruito livello per livello fino a raggiungere la profondità specificata. Ad ogni iterazione, tutte le foglie dell'ultimo livello dell'albero sono divise con la stessa condizione. La struttura ad albero risultante è sempre simmetrica.
  • Depthwise- Un albero è costruito livello per livello fino a raggiungere la profondità specificata. Ad ogni iterazione, tutte le foglie non terminali dell'ultimo livello dell'albero sono divise. Ogni foglia è divisa per condizione con il miglior miglioramento della perdita.

    Nota. I modelli con questa politica di crescita non possono essere analizzati usando l' importanza della caratteristicaPredictionDiff e possono essere esportati solo injson ecbm.
  • Lossguide- Un albero viene costruito foglia per foglia fino a raggiungere il numero massimo di foglie specificato. Ad ogni iterazione, la foglia non terminale con il miglior miglioramento della perdita viene divisa.