L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 269
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
La storia dell'errore zero di adattamento del modello pubblicata qui è di natura puramente alchemica.
1. errore di adattamento del modello = 0. Beh, non funziona così, non può essere. Come può essere? L'1% può o non può? E il 5% può o non può? E di quante % avete bisogno perché "possa"?
2. Due concetti: ridisegnare e guardare avanti. Cosa sono? È stata usata una prova sorprendente: in qualche modo ha trovato degli indicatori sospetti, li ha buttati via e ha ottenuto un errore di adattamento = 50%. Questo è tutto. Dimostrato. Guardando avanti. Qual è l'oggetto della prova, qual è la prova stessa .... Nessun commento.
O forse la questione è molto più profonda e l'alchimia non ha permesso di entrare nel problema?
Ho chiamato il problema sopra: i metodi di analisi e i metodi di previsione sono diversi, hanno le loro specificità e non si può semplicemente trasferire i metodi di analisi alle previsioni - bisogna dimostrare l'ammissibilità di applicare i metodi di analisi alle previsioni.
Nel nostro esempio.
Prendiamo alcuni indicatori (nessuno di loro è veramente importante) e calcoliamo i loro valori per l'intero campione su cui insegneremo e testeremo il modello. Non c'è nessun problema per l'analisi del passato. Ma per la previsione un tale approccio deve essere provato, perché siamo interessati alla prossima barra dopo quella che abbiamo. Significa che dovremmo prendere una finestra e calcolare tutti gli indicatori su di essa, e poi adattare il modello. Quando arriva una nuova barra, dovremmo ripetere di nuovo questa procedura. Che la storia sia cambiata o meno non è di alcun interesse. Il modello deve essere costruito sui valori dell'ultima barra dell'indicatore. Quando calcoliamo l'indicatore per tutto il campionamento, allora è probabile che i valori di questo indicatore NON contengano i valori dell'ultima barra durante il movimento della finestra.
Pertanto.
Se vogliamo insegnare ai modelli ON TIMES, dovremmo usare i valori degli indicatori che sono derivati dai valori dell'ultima barra quando la finestra si muove lungo il campione di allenamento.
PS.
Se usate questo metodo per uno zigzag, allora, a seconda dell'algoritmo dello zigzag, otterrete o zeri o macchie o linee che non hanno niente a che fare con lo zigzag. E non si parla di ridisegnare e guardare avanti - non si può usare, tutto qui.
C'è un nuovo e molto promettente pacchetto RKEEL gateway to KEEL.
Buona fortuna
Puoi almeno dire in due parole qual è la promessa del pacchetto? o tre )
La storia postata qui con zero errori di adattamento del modello è puramente alchemica in natura..................
Non ho capito una parola :)
Puoi almeno dire in due parole qual è la promessa del pacchetto? O tre )
===========================================================
Spiegare:
1. Il prodotto software "KEEL" permette di creare, testare e studiare diverse classi di modelli per risolvere problemi di regressione, clustering e classificazione senza una profonda conoscenza del linguaggio R. È un programma simile a rattl, ma più avanzato.
Il programma è costruito con "cubi"/moduli grafici pronti, veloci e chiari, simili a KNIME, ma più semplici. Dopo la prototipazione, il programma finito viene semplicemente trasferito in R con il pacchetto "RKEEL".
Questa rappresentazione grafica del programma, composta da moduli, accelera notevolmente e facilita la sua creazione, soprattutto per i principianti della programmazione, che sono per lo più commercianti. Ci sono programmi analoghi per R - "RedR" e "RAnaliticFlow", ma sono poco supportati.
2. Viene offerto un gran numero di moduli per la pre-elaborazione e la trasformazione delle variabili, il che è buono.
3. Sono stati proposti molti algoritmi originali che non sono in R.
La varietà di metodi di estrazione della conoscenza dai dati permette di risolvere i compiti di trading in modo più flessibile.
Buona fortuna
Cosa hai detto? Non capisco :)
Dovete digitare gli ultimi valori
{
X29_1 <- TrendDetectionSMA(D[i:i+windows,])
X29[i+windows] <- X29_1[windows]
}
Di conseguenza X29 consisterà in valori LAST, i penultimi valori non saranno corretti per gli indicatori di ridisegno
Se vogliamo imparare modelli ON TIMES, dovremmo usare i valori degli indicatori ottenuti dall'ultima barra mentre spostiamo la finestra lungo il campione di allenamento.
L'ho fatto io stesso, guardate il codice che ho allegato un paio di pagine fa e la sua descrizione.
Il problema è che questi 6 indicatori danno risultati NA per l'ultima barra. E poi, quando si analizzano le barre successive - cambia questo valore NA in qualcos'altro, il risultato delle barre precedenti viene cambiato in base ai nuovi dati (nel linguaggio comune - "re-flipping").
Di conseguenza, insegniamo al modello usando gli stessi risultati, ma quando vogliamo ricevere una previsione con nuovi dati - questi indicatori ci diranno NA invece dei valori necessari, il che è inaccettabile.
Se volete analizzare questi indicatori, ecco il file rdata, con i valori degli indicatori ottenuti in finestra scorrevole. I valori di questi sei indicatori di ridisegno sono presi non per l'ultima barra ma per la penultima per avere qualcosa al posto di NA.
L'ho fatto io stesso, guardate il codice che ho allegato un paio di pagine fa e la sua descrizione.
Il problema è che questi 6 indicatori danno risultato NA sull'ultima barra. E poi, quando si analizzano le barre successive - cambiare questo valore NA in qualcos'altro, si verifica cambiando il risultato delle barre precedenti secondo i nuovi dati (nel linguaggio comune - "re-flipping").
Il risultato sarà che insegniamo al modello usando gli stessi risultati ridisegnati e quando vogliamo ottenere una previsione con nuovi dati questi indicatori ci diranno NA invece dei valori necessari, il che è inaccettabile.
Se volete analizzare questi indicatori, ecco il file rdata, con i valori degli indicatori ottenuti in finestra scorrevole. I valori di questi sei indicatori sono stati presi non per l'ultima barra ma per la penultima in modo che ci fosse qualcosa invece di NA.
Ho trovato una recensione su Deep Learning in R
Un articolo superficiale con molte imprecisioni. Ovviamente scritto da studenti come una tesina.
Volevo scrivere un commento, ma non ho trovato dove farlo.
È buono come rassegna popolare, ma non come guida.
Buona fortuna
Perché sono tutti così fissati con i modelli? Perché nessuno parla dei segni? Perché nessuno parla della non stazionarietà? Perché nessuno cerca di risolvere questi problemi? Perché nessuno pensa a cosa guida i prezzi?
Se usi uno stocastico, non importa quale modello usi, che sia un normale KNN o la rete profonda più sofisticata,la precisione sarà del 51-53%, non importa quanto sia profondo. A cosa servono questi modelli se l'input è spazzatura? No, ma il 95% dell'attenzione va ai modelli, per me personalmente i modelli sono l'ultima fase del sistema, ed è solo il 2% del lavoro
Nel frattempo condividerò i miei risultati...
Il mio algoritmo estremo ....
Finora, nessun MO in senso classico, ma il riconoscimento è presente.
Il sistema decisionale è semi-automatico.
al primo stadio, l'algoritmo riconosce alcune formazioni e me le dà
Nella seconda fase valuto con i miei occhi ciò che ha calcolato e prendo una decisione di trading. Nonostante il fatto che valuta molto facilmente e senza ambiguità non posso ancora trasferire la seconda fase in modalità di riconoscimento automatico, quindi di fatto il sistema è ancora semi-manuale
Il sistema è intraday, il trading è su timeframe 5M, un giorno ci sono circa 20 scambi in media, in 15 giorni di trading è stato solo due giorni con una piccola perdita
Nel grafico rosso della redditività è lo stesso nero ma con la commissione presa in considerazione
ha anche trasferito i trade al software di analisi tecnica per una comprensione più flessibile e profonda
E aggiungerò altro sulla non stazionarietà, guardate questo picco selvaggio di volatilità, che ho segnato con una freccia qualche giorno fa, vi dico con sicurezza che tutti i sistemi che hanno fatto trading su parametri fissi, sono stati tutti schiacciati, infatti tutta questa volatilità è il loro stop loss, ma divago da questo ....
Quindi quello che voglio dire è che per reagire più o meno adeguatamente ai movimenti del mercato il sistema decisionale dovrebbe essere costantemente corretto nei suoi parametri adeguatamente al mercato(quello che ho detto una volta su Fourier) o il sistema dovrebbe essere generalmente non parametrico, altrimenti non so come ((
E nessuna griglia aiuterà, non importa quanto sia profonda, se si usa lo stocastico
Buona fortuna