L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3248
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
È quindi necessario portare gli indicatori a dei pappagalli uniformi. Anche se l'incremento a intervalli diversi serve come indicatore, altrimenti la correlazione sarà strana.
Io stesso sposterei una finestra in un array 1d e guarderei il numero di campioni attraverso qualsiasi segno di "somiglianza". Più precisamente, nemmeno il numero, ma il "profitto" totale di tali posti (entrata per pattern, uscita - in n ore).
Solo il numero di campioni trovati sull'animazione è confuso: diverse centinaia. In quattro anni ci sono solo 365*5/7*24~6000 campioni. Tra i 6000 campioni, 500 sono un modello molto approssimativo (o un segno di somiglianza) o un modello fuori scala.
Nel ciclo per ogni campione viene compilata la correlazione con gli altri utilizzando la matrice già calcolata, per cui si tratta di un sacco di
nel ciclo per ogni esempio la correlazione con gli altri viene riempita dalla matrice già calcolata, quindi c'è un sacco di
25K correlazioni per ogni esempio. Sarebbe interessante vedere la distribuzione delle correlazioni da -1 a +1.
Cercherò di accelerare ancora un po'.
Penso che si possa applicare il principio del setaccio.
- Abbiamo calcolato 25K correlazioni per un modello. Per esempio, MathAbs(corr) > 0.9 per 500. Le abbiamo prese in considerazione e scartate.
- Ora il numero di modelli è diminuito di 500 e il numero di calcoli di correlazione richiesti è diminuito di 500. In altre parole, a ogni passo abbiamo calcolato 25K correlazioni per un modello.
In altre parole, a ogni passo eliminiamo i punti simili.Si potrebbe applicare il principio del setaccio.
- Abbiamo calcolato 25K correlazioni per un modello. Per esempio, MathAbs(corr) > 0,9 per 500. Le abbiamo prese in considerazione e scartate.
- Ora il numero di modelli è diminuito di 500 e il numero di calcoli di correlazione richiesti è diminuito di 500. In altre parole, a ogni passo abbiamo calcolato 25K correlazioni per un modello.
In altre parole, a ogni passo eliminiamo i luoghi simili.Esiste già una semplice selezione per indici noti della matrice di correlazione del set di dati originale, per ogni modello, quindi è veloce. La linea più a destra sullo schermo mostra solo quanti esempi di ogni modello ci sono. Altri dati, come i prezzi futuri, vengono inseriti e vengono considerate le statistiche. È possibile farlo in un altro modo, sì.
ingresso del modello, uscita tra n ore.
L'uscita è?
su un TP fisso
fisso
Mentre si estrae?
Mentre si estrae?
Posso vedere dalle statistiche, diciamo le 10 barre future, tutte le curve di ogni istanza trovata del modello nel futuro (come una previsione).
Poi la media di tutte le curve.
Come questo modello di vendere, in media, e quanti pips può essere visto.
Il riferimento del modello viene salvato, nel tester si cerca la correlazione dei valori attuali con il riferimento, si aprono le operazioni in base alla logica selezionata.
Ho capito perché ci sono molti campioni. Se tracciate la correlazione su una matrice 1d, otterrete qualcosa di molto simile a questo.
Al di sopra della linea blu superiore, la correlazione è altissima. Si può notare che cambia in modo uniforme ai vertici.
Significa che abbiamo visto 0,9 nel tester - bene, apriamo. Nella barra successiva 0,91, poi 0,92, ...., 0,95, 0,94, ...., 0,9. La lunghezza di tali valori consecutivi super-elevati è tanto maggiore quanto più lungo è il pattern stesso. È puramente matematico.
Forse è per questo che c'è stata una stratificazione di un gran numero di operazioni.
Forum sul trading, sui sistemi di trading automatizzati e sulla verifica delle strategie di trading.
L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading.
Maxim Dmitrievsky, 2023.09.21 15:07
Il bot apre diverse operazioni allo stesso tempo, se il segnale persiste, con lo stesso volume, da questo sembra che martin
Quindi, probabilmente, quando si estrae ha senso considerare in una serie di campioni consecutivi solo il primo.
Ho capito perché ci sono così tanti campioni. Se si tracciano le correlazioni su un array di 1d, si ottiene qualcosa di molto simile a questo.
Al di sopra della linea blu superiore, la correlazione è altissima. Si può notare che cambia in modo uniforme ai vertici.
Significa che abbiamo visto 0,9 nel tester - bene, apriamo. Nella barra successiva 0,91, poi 0,92, ...., 0,95, 0,94, ...., 0,9. La lunghezza di tali valori consecutivi super-elevati è tanto maggiore quanto più lungo è il pattern stesso. È puramente matematico.
Forse è per questo che c'è stata una stratificazione di un gran numero di operazioni.
Ecco perché probabilmente ha senso considerare solo il primo di una serie di campioni consecutivi quando si estrae.
Sì, è così