L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3084
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
Salve a tutti. Sto cercando di addestrare degli Expert Advisor tratti da una nutrita serie di articoli sulle reti neurali presenti su questo sito. Ho l'impressione che non siano addestrabili. Ho provato a fare domande all'autore sotto gli articoli, ma purtroppo non risponde praticamente...(
Di conseguenza, una domanda ai membri del forum - per favore, ditemi quanto allenare una rete neurale in modo che inizi a dare qualche risultato (non casuale)?
Ho provato tutti gli EA dall'articolo 27 all'ultimo - il risultato è lo stesso - casuale. Sono passato da 300 a 1000 epoche di allenamento, come indicato dall'autore. Se l'Expert Advisor è solo con le iterazioni, ho fatto da 100 000 a 20 000 000 iterazioni e così via per 2-3 approcci, sempre casuali.
Quanto dovrebbe essere allenato? Qual è la dimensione di un campione di allenamento sufficiente (se è precostituito)?
PS: Informazioni semplici sulle reti neurali in google read, in generale con le reti neurali sono familiari. Tutti scrivono circa 100-200 epoche e dovrebbe esserci già un risultato (su immagini, figure, classificazioni).
Non avete alcun risultato sul campione per l'addestramento?
Il ciclo di questi articoli non è una soluzione pronta per l'uso - nessuno rivela la cosa più preziosa nell'apprendimento automatico - i predittori. Quindi, prima di provare i metodi proposti, è necessario sviluppare una serie di predittori che possano potenzialmente descrivere il comportamento dei prezzi.
Salve a tutti. Sto cercando di addestrare degli Expert Advisor tratti da una nutrita serie di articoli sulle reti neurali presenti su questo sito. Ho l'impressione che non siano addestrabili. Ho provato a fare domande all'autore sotto gli articoli, ma purtroppo non risponde praticamente...(
Di conseguenza, una domanda ai membri del forum - per favore, ditemi quanto allenare una rete neurale in modo che inizi a dare qualche risultato (non casuale)?
Ho provato tutti gli EA dall'articolo 27 all'ultimo - il risultato è lo stesso - casuale. Sono passato da 300 a 1000 epoche di allenamento, come indicato dall'autore. Se l'Expert Advisor è solo con le iterazioni, ho fatto da 100 000 a 20 000 000 iterazioni e così via per 2-3 approcci, sempre casuali.
Quanto dovrebbe essere allenato? Qual è la dimensione di un campione di allenamento sufficiente (se è precostituito)?
PS: Informazioni semplici sulle reti neurali in google read, in generale con le reti neurali sono familiari. Tutti scrivono circa 100-200 epoche e dovrebbe esserci già un risultato (su immagini, figure, classificazioni).
e dove è scritto che non dovrebbero dare un risultato casuale? L'abbondanza di articoli identici suggerisce già una direzione sbagliata.
L'apprendimento per rinforzo non è progettato per questi compiti, il campo di applicazione è molto diverso. Si può giocare con esso.Sì,
ma il gran numero di valori uguali mi fa dubitare della qualità complessiva dei dati.
Esempio: seq = ([5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5]) = [5,5,5,5,5,5,5,5,5,5][5]; [5,5,5,5,5,5,5,5,5,5,5][5]; [5,5,5,5,5,5,5,5,5,5,5,5][5]....
Non vedo il motivo di alimentare il modello con questi dati di addestramento;
Quindi sto ancora eliminando tutti i dati che non sono unici.
Potrei sbagliarmi, ma mi sembra sbagliato alimentare il modello anche con i seguenti dati di addestramento:
[1,2,3,4,5] [5];
[1,2,3,4,5] [6];
[1,2,3,4,5] [7];
[1,2,3,4,5] [8];
...
È un mucchio di stronzate
Non avete un risultato nemmeno sul campione di allenamento?
La serie di questi articoli non è una soluzione pronta per l'uso: nessuno rivela l'elemento più prezioso dell'apprendimento automatico: i predittori. Quindi, prima di provare i metodi proposti, è necessario sviluppare una serie di predittori che possano potenzialmente descrivere il comportamento dei prezzi.
dove sta scritto che non devono dare risultati casuali? :) l'abbondanza di articoli identici suggerisce già una direzione sbagliata.
L'apprendimento per rinforzo non è progettato per tali compiti, il campo di applicazione è molto diverso. Si può giocare con esso.Non funziona nemmeno sul campione di allenamento. Non funziona da nessuna parte. E cosa sono i predittori in questo caso? L'autore descrive il prelievo di parametri dal grafico sotto forma di candele, tempo e 4 indicatori. Anche il modello di rete neurale è presente.
Se non funziona sul campione di allenamento, probabilmente il problema è dalla vostra parte. Le reti neurali richiedono molto tempo per essere addestrate, non come i modelli ad albero.
I predittori possono essere qualsiasi cosa, qualsiasi fattore che influisca sul prezzo con un risultato probabilistico stabile, sì, come opzione - indicatori.
Beh, l'autore aveva alcuni errori nel codice (critici per le schede non Intel) - un paio di versioni delle regole su richiesta delle persone.Se non funziona nemmeno sul campione di addestramento, probabilmente c'è un problema dal lato dell'utente. Le reti neurali richiedono molto tempo per l'addestramento, non come i modelli ad albero.
I predittori possono essere qualsiasi cosa, qualsiasi fattore che influisca sul prezzo con un risultato probabilistico stabile, sì, come opzione - indicatori.
Beh, l'autore aveva alcuni errori nel codice (critici per le schede non Intel) - un paio di versioni delle regole su richiesta delle persone.Beh, ho gli ultimi articoli (da GoExplore e in poi) e da 27 a 35 sembrano compilare ed eseguire normalmente. Non ha funzionato 36-38 è che nel tester addestrato. Ho una scheda di Nvidia GTX 660 ti.
Quale potrebbe essere il problema sul mio lato? Il mio sovtnik compila, funziona, il processo di apprendimento (errori e progressi sul grafico) continua. E quanto è il debito? L'autore degli articoli scrive anche che è necessario ripetere le iterazioni di raccolta degli esempi e di addestramento, ma non scrive da nessuna parte cifre almeno approssimative. Ad esempio, ho addestrato 500 epoche, i primi accordi hanno iniziato a essere meno. Almeno un po' di specificità nelle cifre. Altrimenti non è affatto chiaro: o insegno molto e qualcosa non va, o non ho insegnato abbastanza ed è troppo presto per aspettarsi qualcosa.
Alla fine di ogni articolo, l'autore fornisce un grafico e le statistiche del tester della strategia. Beh, se la statistica è fittizia, allora sì....
Ci sono test molto modesti per un breve periodo di tempo, non si possono trarre conclusioni univoche. Se non funziona nemmeno su un programma di allenamento, significa che hanno commesso molti errori :) L'approccio in sé è inadatto, perché il processo di tale formazione è difficile da controllare. E se si trova la giusta funzione di controllo (le ricompense), non ce n'è più bisogno.
.
Ho provato ad addestrare gli EA di questo ciclo utilizzando metodi genetici ed evolutivi (articoli 30 e 31). L'autore ha 1000 epoche nei parametri. La popolazione è di 50 individui per epoca, a quanto ho capito. Il risultato migliore viene visualizzato nel log durante l'allenamento. Quindi per 200 epoche il risultato migliore non è cambiato rispetto a quello iniziale. Ho anche messo una popolazione di 100 individui e mi sono allenato per 150 epoche. L'effetto è lo stesso. Quindi ho abbandonato questo metodo e sono passato a metodi più recenti.
È una completa perdita di tempo perdere tempo con qualsiasi modello nuovo, soprattutto se complesso.
L'ideale della RF è un modello semplice e molto chiaro. Si possono prendere un paio di tre modelli in più da modelli vecchi e ben collaudati, se si intende ottenere il risultato finale attraverso un ensemble di modelli (dà una riduzione dell'errore di circa il 5%).
Il mio scetticismo si spiega molto semplicemente: il nostro nemico principale NON è la stazionarietà dei mercati finanziari, ovvero il teorema del limite e tutte le statistiche basate su di esso - correlazioni diverse, dispersioni e così via - non funzionano. Tra l'altro, anche stime come l'RMSE.
Ecco perché è necessario iniziare con la preelaborazione (datamining). Senza ottenere un insieme di predittori con una connessione sufficientemente stabile con il target (insegnante), non ha senso parlare di nulla. È la qualità di questa connessione a determinare l'errore di previsione e la sua stabilità in diverse parti delle citazioni. Il modello non c'entra affatto. Se con la RF si ottiene approssimativamente lo stesso errore di previsione in "in-sample" e "out-of-sample" inferiore al 20%, allora si può provare con lo stesso set di predittori e puntare a ridurre l'errore di previsione grazie a modelli più avanzati, ensemble di modelli..., ma si tratta di pochi punti percentuali, per i quali non ha senso dedicare tempo ad altro che alla RF.
C'è un'altra condizione: la prova matematica della stabilità della connessione dei predittori con il target, cioè la stazionarietà della connessione dei predittori con il target con l'ottenimento della varianza della connessione dei predittori con il target e la dimostrazione di una stabilità almeno approssimativa nel senso di GARCH.
E diverse "epoche" e secoli di prove - niente, vi state agitando tanto, sembrate in tema, ma state correndo sul posto.