L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 186

Nuovo commento
 
Yury Reshetov:

Perché è congelato.

Mi dispiace, ma la domanda è uguale alla risposta.

Non capisco l'umorismo, perché per prendere una decisione, il valore dell'uscita del classificatore dovrebbe essere confrontato con qualcosa, per esempio, con un valore di soglia. E poiché nella tua formulazione del problema i valori comparabili per qualche motivo sono sconosciuti, e solo quelli che non sono necessari per la classificazione sono noti, sarebbe una buona idea fare delle precisazioni.

Bygones.
 

Ho completato i miei calcoli plurigiornalieri (modelli su 6 predittori selezionati (su 114) per il forex).

Ecco l'immagine del titolo. Distribuzione dell'accuratezza della regressione (calcolata secondo la norma L1: somma dei valori di errore assoluto ) sulla convalida per i modelli che sono stati selezionati come i migliori (secondo la stessa misura) sulle caselle di prova.

Ci sono 99 valori in ogni casella, ognuno dei quali è la metrica 1 - sum(abs(X-Y))/sum(abs(X-mean(X)) su un unico campione di validazione. Analogamente a R^2, vedo, sì.

Il totale ottenuto è di 8908 modelli... Per tutti gli strumenti e gli obiettivi in studio.

Una riduzione media dell'errore dello 0,2% (solo). Ma è significativo... Un unico campione di convalida è stato generato per ogni modello.

Tutti gli studi che voglio pubblicare. C'è poi la stima del modello MO e così via fino alla fine logica. Se pubblico (non su MQL), darò un link ad alcune persone con cui comunico qui o lo posterò nel mio profilo.

E anche lì. Un quadro molto più interessante dal punto di vista pratico. La relazione tra l'aspettativa matematica del modello sui blocchi di prova (all'interno della convalida incrociata) e sulla convalida.

Qui dobbiamo immediatamente controllare se la correlazione positiva è significativa (poiché la correlazione negativa non può essere ragionevolmente spiegata) e se ci sono valori positivi di MPO sulla validazione. Beh, potete vedere voi stessi.

I 99 punti sono modelli.

 
Dr.Trader:


Beh, questo è un buon esempio del perché il 99% dei trader ingenui perdono, se si sposta la finestra questa accozzaglia di punti morirà anche in modo casuale, quindi è solo rumore e MO non aiuterà qui
 
Sarà fantastico, e se gli date anche un ticker... onda cerebrale)))
 
Non lo sono:
Bene, questo è un buon esempio del perché il 99% dei commercianti ingenui perde...
E questo thread è un buon, chiaro esempio che l'apprendimento automatico nel trading, è solo una teoria...
 
Incompleto:
E questo ramo è un buon, chiaro esempio del fatto che l'apprendimento automatico nel trading, è solo una teoria...
Se guardate attentamente il thread, gli abitanti qui sono divisi in tre campi:
  1. R utenti (chiamati qui "parassiti"). Assomigliano a una specie di setta distruttiva. Per tutto il tempo stanno frugando in alcuni pacchetti, un giorno sono impegnati nella classificazione, domani nella regressione, il giorno dopo in qualche clustering e così via in un cerchio. L'attività sembra essere impetuosa, ma è inutile, perché qualunque cosa intraprendano, fanno tutto in modo sbagliato e storto, per questo non hanno successo. Questo si esprime nelle loro lamentele, per esempio: sul destino, il "problema" della riqualificazione, i predittori rumorosi e ogni sorta di "radicali e cattivi" che non riconoscono R, come Reshetov.
  2. Quelli che non usano R. Queste persone, di regola, hanno scelto una direzione particolare, dove sono bravi in qualcosa. Non si lamentano del destino, non frugano in vari metodi, cioè non gettano le cose in giro. Si impegnano in ciò che funziona e si migliorano poco a poco nella direzione scelta.
  3. Quelli che sono passati dalla porta. A volte inseriscono la loro opinione, ma spesso inopportunamente.
 
Alexey Burnakov:

Ho completato molti giorni di calcoli.

Seguo la tua ricerca, molto istruttiva, grazie per averla pubblicata. Ma mi sembra che anche se risolvi con successo problemi così complicati, ti mancano i compiti preparatori e questo rovina il risultato. Vale a dire che lei ignora la selezione dei predittori.

Hai preso 114 predittori, poi in qualche modo ne hai selezionati 6, e dopo aver addestrato i modelli puoi concludere quale obiettivo è migliore. Ma questo risultato ottenuto è solo un massimo locale. Si può dire non globalmente che "eurusd è migliore a prevedere 16 barre avanti", ma solo che "un insieme di 114 predittori": (pre1, pre2, pre3,...) usando gbm predice meglio la direzione del prezzo attraverso 16 barre".

Se si prende la neuronica invece della gbm, si ottiene un obiettivo migliore diverso. Se si usano altri 114 predittori, l'obiettivo migliore sarà di nuovo diverso. I tuoi 114 predittori sono una base così importante che l'intero corso successivo dell'esperimento dipende da questo, e tu li hai semplicemente presi dal soffitto senza alcuna preparazione.

Circa mezzo anno fa SanSanych ha pubblicato un file con i suoi predittori. La loro particolarità è che la maggior parte dei modelli a sonaglio hanno un piccolo errore su di loro e l'errore non cresce su nuovi dati. Puoi allenare i modelli su qualsiasi segmento ed eseguire il test oos sui dati rimanenti e vedere che nulla è degradato. Che i predittori e l'obiettivo sono così correlati che i modelli trovano l'unica relazione possibile tra loro su qualsiasi barra.
Sto cercando di replicare questo. Uso più di diecimila predittori iniziali (indicatori con diversi parametri e lag di mt5) e imparo a selezionarli per avere l'unica connessione possibile con la barra target. Vi consiglio di fare lo stesso esperimento, perché credo che la capacità di determinare o trovare tali predittori correlati e l'obiettivo sia il vero indicatore del graal.

In MQL5 è recentemente disponibile un generatore di Expert Advisor, quando si seleziona una lista di indicatori necessari e un Expert Advisor pronto con codice viene creato immediatamente, inoltre è facilmente ottimizzato dalla genetica. In tale Expert Advisor ci sono 20 indicatori, nessun modello di apprendimento automatico (tutto ciò che abbiamo sono i coefficienti di importanza assegnati a ciascun indicatore).
Ho appena aggiunto il mio codice personalizzato per la funzione di fitness genetica e ho incluso alcuni criteri per far sì che target e indicatori siano considerati come strettamente correlati secondo me. È andata a finire così:
(eurusd h1)

I primi 2/3 sono backtest (campione), l'ultimo terzo è fronttest (oos). Lì dopo 2/3 di tempo non è uno scarico, ma la bilancia viene riportata a quella iniziale per il test oos. Avendo un set di caratteristiche così scarso e aggiungendo semplicemente "criteri rozzi e incompiuti di dipendenza del predittore e del bersaglio", il risultato non è una perdita, anche se cattiva. 51% dei trade di successo su oos. Non è fantastico? Ma potremmo usare 20000 indicatori invece di 20, e aggiungere qualche modello di apprendimento automatico e rimuovere il limite di 10000 iterazioni dalla genetica di mt5 e avremmo persino un Expert Advisor redditizio.

 
revers45:
E questo thread è un buon, chiaro esempio che l'apprendimento automatico nel trading, è solo teoria...

Nel trading la teoria non può esistere in linea di principio, o meglio la teoria riguarda l'impossibilità di fare soldi, un mercato efficiente, etc., tutto è calcolato nel prezzo, il meccanismo di scambio...Ma la statistica e l'apprendimento automatico, che è diventato più accessibile di recente grazie a diversi pacchetti matematici e librerie, permette di vedere davvero perché è così triste con TA standard, non scienziati, ma semplici commercianti, trascorrere una settimana in R-studio o Matlab.

Se il MO nel trading è "solo teoria", il che è parzialmente vero, allora l'AT non è nemmeno una teoria, ma una stronzata, come l'astrologia o il voodoo.

Ma molti qui sanno che è ancora possibile fare soldi, un mercato efficiente non è solo per volontà di Dio, ma perché alcuni sono diventati più bravi a ottenere ed elaborare le informazioni rispetto alla maggior parte. A mio parere, l'ostacolo più significativo per i commercianti è un'illusione di semplicità di questo tipo di attività, come se avrebbero ottenuto soldi per la loro firma, qui in questo forum hanno ripetutamente sentito qualcosa come "non è necessario creare un collisore di adroni per il commercio" ...

Ma si scopre che lo fai....

 
Dr.Trader:

Seguo la tua ricerca, è molto istruttiva, grazie per averla pubblicata. Ma mi sembra che anche se risolvi con successo problemi così complessi, ti mancano i compiti preparatori e questo rovina il risultato. Vale a dire che lei ignora la selezione dei predittori.

Hai preso 114 predittori, poi in qualche modo ne hai selezionati 6, e dopo aver addestrato i modelli puoi concludere quale obiettivo è migliore. Ma questo risultato ottenuto è solo un massimo locale. Si può dire non globalmente che "eurusd è migliore a prevedere 16 barre avanti", ma solo che "un insieme di 114 predittori": (pre1, pre2, pre3,...) usando gbm predice meglio la direzione del prezzo attraverso 16 barre".

Se si prende la neuronica invece della gbm, si ottiene un obiettivo migliore diverso. Se si usano altri 114 predittori, l'obiettivo migliore sarà di nuovo diverso. I tuoi 114 predittori sono una base così importante che l'intero corso successivo dell'esperimento dipende da questo, e tu li hai semplicemente presi dal soffitto senza alcuna preparazione.

Circa mezzo anno fa SanSanych ha pubblicato un file con i suoi predittori. La loro peculiarità è che la maggior parte dei modelli a sonagli hanno un piccolo errore su di essi, e allo stesso tempo l'errore non cresce su nuovi dati. Puoi allenare i modelli su qualsiasi segmento ed eseguire il test oos sui dati rimanenti e vedere che nulla è degradato. I predittori e l'obiettivo sono così correlati che i modelli trovano l'unica relazione possibile tra loro su qualsiasi barra.
Sto cercando di replicare questo. Uso più di diecimila predittori iniziali (indicatori con diversi parametri e lag di mt5) e imparo a selezionarli per avere l'unica connessione possibile con la barra target. Vi consiglio di fare lo stesso esperimento, perché credo che la capacità di determinare o trovare tali predittori correlati e l'obiettivo sia il vero indicatore del graal.

In MQL5 è recentemente disponibile un generatore di Expert Advisor, quando si seleziona una lista di indicatori necessari e un Expert Advisor pronto con codice viene creato immediatamente, inoltre è facilmente ottimizzato dalla genetica. In tale Expert Advisor ci sono 20 indicatori, nessun modello di apprendimento automatico (tutto ciò che abbiamo sono i coefficienti di importanza assegnati a ciascun indicatore).
Ho appena aggiunto il mio codice personalizzato per la funzione di fitness genetica e ho incluso alcuni criteri per far sì che target e indicatori siano considerati come strettamente correlati secondo me. È andata a finire così:
(eurusd h1)

I primi 2/3 sono backtest (campione), l'ultimo terzo è fronttest (oos). Lì dopo 2/3 di tempo non è uno scarico, ma la bilancia viene riportata a quella iniziale per il test oos. Avendo un set di opzioni così scarso e aggiungendo semplicemente i "criteri rozzi e incompiuti di dipendenza dal predittore e dall'obiettivo", il risultato non è una perdita, anche se negativa. 51% delle operazioni di successo su oos. Non è fantastico? Ma potremmo usare non 20 indicatori ma 20000 e aggiungere un modello di apprendimento automatico e rimuovere il limite di 10000 iterazioni dalla genetica di mt5 e otterremmo persino un Expert Advisor redditizio.

Certamente un risultato locale. Non c'è possibilità di diversificazione. Non c'è tempo. Nessuna risorsa... Questo è esattamente ciò che GBM dà sui miei predittori.

La questione è di non usare la parte di esperienza troppo allenata per trarre conclusioni. E se questo risultato locale sarà convalidato con successo, sarò soddisfatto.

Ecco la qualità della regressione è convalidata con successo. I modelli addestrati danno una qualità di predizione significativa diversa da zero. Senza problemi di selezione del modello.

Ed è più complicato con il MO del commercio. Non ho mostrato tutto... Ci sono dei sottocampioni (simbolo-obiettivo) che danno MO mediano sulla convalida maggiore di zero... Ma la sfida è prendere la coda dei modelli correlati alla convalida per aumentare il MO. Ma questo potrebbe anche essere un caso...

Alla fine si assembla una commissione che viene convalidata da un altro campione del futuro. Attraverso Monte Carlo, naturalmente.

Per quanto riguarda i predittori, è anche difficile... Lungo da spiegare... Ma il punto è che ognuno dei 99 modelli per il sottocampione simbolo-obiettivo usa il suo unico set di 6 predittori. La combinazione risulta in una bella varietà di modelli (in più imparano da dati diversi). e in generale ognuno dei 114 è coinvolto da qualche parte.

E non dimenticare la selezione ottimistica dei modelli, per favore. Quindi non capisco come hai scelto la foto? Per miglior risultato su IS o OS? È proprio una domanda così. Ma molti risultati della "ricerca" peccano che non c'è una risposta a questa domanda.
 

Consigli su dove trovare un EA (robot) che apra un trade in un dato momento e poi chiuda il trade in un dato momento.


Per esempio, apri un trade alle 12:59 e chiudilo alle 13:59, indipendentemente dal risultato - profitto o perdita lo stesso.

1...179180181182183184185186187188189190191192193...3399
Nuovo commento