L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1250
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
Cavolo, tutto quello che si fa manualmente dovrebbe essere fatto da una rete neurale, ma in questo modo.... Perdita di tempo, e se il risultato è negativo, poi un mare di frustrazione e un frugare in giro alla ricerca di altri metodi.
Bene, come farlo manualmente, tutto è automatizzato, ci sono solo fasi, che richiedono un controllo manuale e questo è a causa dell'incertezza, come esattamente dovrebbe comportarsi su di loro.
E il fatto che qualcuno debba qualcosa, ne dubito molto...
Il risultato - chi lo saprà fino a quando non arriverà il futuro...
Molto probabilmente, i ritardi da 1 e -1 (o un predicato di essi che li descrive) miglioreranno (o già migliorano) tagliato 0, poiché "non entrare"
Per quanto mi riguarda, questo approccio l'ho rifiutato immediatamente e ho iniziato a usare solo il binario
classificazione (flip). Guarderei le dipendenze delle diverse volatilità, se influenzano o non influenzano, e così via.
Avrei fatto tre classificatori binari. Si può per esempio guardare solo 1 "comprare". Troppo complicato...
Ho un sistema di trending sui minuti, quindi solo il binario non può essere usato immediatamente, perché durante i flats devi essere sulla barricata e non solo flip. In teoria è possibile usare separatamente buy/not trade e sell/not trade, ma abbiamo bisogno di un grande campionamento e non tutto è buono con esso. In ketbust ho il segnale per entrare e il vettore (buy/sell) è selezionato separatamente - qualcosa sembra funzionare, ma ci sono ancora esperimenti ed è troppo presto per dire con certezza. Certo, possiamo fare tre simboli binari, ma non sarà facile nel senso di combinare questo caso in un disegno...
La volatilità naturalmente influisce sul risultato, solo sull'impennata e si può guadagnare, la questione è la scala.Per capire, la ricerca, le conclusioni si applicano anche al segnale inverso.
Come influenza non il risultato, ma il posizionamento (selezione) dei predittori...
Non pretendo di capirla, la prego di espandere il suo punto di vista.
No.
Ho usato il JMA finalizzato su mcl4 per molto tempo in termini di adattamento al periodo, ma non è molto utile: si sbiadisce come tutto il resto. Di tanto in tanto ho dovuto intervenire manualmente.
Se si tratta di filtri, c'è un curioso pacchetto liscio. All'interno del liscio si trova Kalman con lo spazio di stato. Dà mashup di ottima qualità, e con estrapolazione (previsione) per diversi passi avanti.
Djuric è totalmente una stronzata.
Ciò che è una stronzata e ciò che non lo è è sconosciuto.
Dovremmo guardare la capacità predittiva di un particolare predittore per una particolare variabile obiettivo. E meglio ancora la sua variabilità con il movimento della finestra.
Beh, come in manuale, tutto è automatizzato, ci sono solo fasi che richiedono un controllo manuale e questo è dovuto all'incertezza di come comportarsi esattamente su di esse.
E il fatto che qualcuno debba qualcosa, ne dubito molto...
E il risultato - chi lo saprà fino a quando non arriverà il futuro...
Sulla base del codice di cui sopra, avete un chiaro algoritmo di azioni in determinate condizioni, in questo caso, quando avete i dati di input e il risultato desiderato, neuronet vi aiuterà, ma dovrete fare cambiamenti nel codice manualmente quando il mercato tende a cambiare di nuovo.
Sta a voi decidere cosa fare, ma io userei comunque un neurone addestrato.
Il peso dei predittori cambia a seconda del bue. Sembra una misura sofisticata.
E c'è anche il multiclassamento nella passerella. Eseguilo con la convalida incrociata, vedi se ci sono errori nei falli ecc.
Forse funzionerà per un pazzo... e tutto lo sforzo non è davvero necessario...
Come propone di misurare il peso e la volatilità? Non mi dispiace la sperimentazione.
Il multiclasse c'è, ma nessun offloading di modelli, tranne che nel loro codice binario, che non ho idea nemmeno in teoria di come collegare e far funzionare.
C'è un'intera epoca con catbust, lì sto sperimentando con insiemi di predittori (in parte rimuovendo - 512 combinazioni), con pesi casuali di selezione dei predittori radice (200) - questo è già 100k modelli, e ho due tali partizioni. Sì, ci sono modelli interessanti in tutto questo e ci sono completamente plum (redditizio su test e campione imparabile, ma plum o vicino a zero su campione indipendente), ma non c'è anche alcuna garanzia che continueranno a funzionare. Ora (22.12.2018) ho iniziato una nuova creazione del modello, ma ho segnato tutti i predittori come categorici, che è la mia idea in origine (perché molti sono già tagliati in intervalli irregolari e convertiti in valori interi), nel nuovo anno il piano è di finire l'elaborazione - vedere se c'è una differenza, perché i modelli con caratteristiche non categoriche sono stati preparati in questo volume in 1,5 giorni, e qui almeno 10...
Fit o no - difficile da dire, ieri ho scritto che sono più incline a considerare come fit un modello che può per il suo volume (numero di foglie) memorizzare molte varianti e combinazioni in una volta, e io ho un modello che non supera le 100 foglie... Naturalmente il mio problema principale è la mancanza di dati - sto lavorando su Si instrument, sto pensando di aggiungere futures EURUSD ma ho bisogno di convertire validamente i predittori - problema di metrica.
Sulla base del codice di cui sopra, avete un chiaro algoritmo di azioni in determinate condizioni, in quel caso quando avete dati di input e risultato desiderato, una rete neurale vi aiuterà, ma altrimenti sarete costantemente a fare manualmente modifiche al codice quando la tendenza del mercato si sposta.
Sta a voi decidere cosa fare, ma io collegherei comunque una rete neurale (addestrata) a questo processo.
Ho dei punti di ingresso e non so se entrare o meno - questo è il compito del MO.
Come ho detto prima, non conosco una rete neurale veloce capace di assorbire un grande (300-500) volume di neuroni in ingresso... ma dare foglie già selezionate, diciamo, a una rete neurale o a un albero di nuovo...
Non capisco i cambiamenti nel codice, perché dovrebbe essere così - pensi che le tendenze non siano cambiate in 5 anni?Non sto suggerendo nulla, ho solo scritto come farei io stesso. E le tre classi ottenute si attaccherebbero solo in ts...
Come si fa a metterlo dentro? Allora devi fare una specie di ponte tra python o R - è una foresta oscura per me.