L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2811

Nuovo commento
 

Вы, в частности, утверждали, что модель на выборке нельзя будет обучить - Вы ошиблись.

?? Dove ho detto che
 

Sono l'unico che sente le parole "algo-trading" e "alcohol-trading" suonare quasi identiche?

fa un po' pensare

 

imposta data


Le prime 10 righe sono informazioni sul prezzo, se si desidera creare nuove caratteristiche, altrimenti devono essere rimosse dalla formazione.

ultima riga - obiettivo

dividere la selezione a metà per l'addestramento e il test.


su Forest senza alcuna messa a punto ottengo i nuovi dati

Confusion Matrix and Statistics

          Reference
Prediction   -1    0    1
        -1 2428  453   23
        0   597 3295  696
        1    14  448 2046

Overall Statistics
                                         
               Accuracy : 0.7769         
                 95% CI : (0.7686, 0.785)
    No Information Rate : 0.4196         
    P-Value [Acc > NIR] : < 2.2e-16      
                                         
                  Kappa : 0.6567         
                                         
 Mcnemar's Test P-Value : 2.565e-16      

Statistics by Class:

                     Class: -1 Class: 0 Class: 1
Sensitivity             0.7989   0.7853   0.7400
Specificity             0.9316   0.7772   0.9361
Pos Pred Value          0.8361   0.7182   0.8158
Neg Pred Value          0.9139   0.8335   0.9040
Prevalence              0.3039   0.4196   0.2765
Detection Rate          0.2428   0.3295   0.2046
Detection Prevalence    0.2904   0.4588   0.2508
Balanced Accuracy       0.8653   0.7812   0.8381

su HGbusta con nuovi chip ho ottenuto Akurashi 0,83.


Mi chiedo se sia possibile raggiungere 0.9 Akurasi?

File:
dat.zip  4562 kb
 
mytarmailS #:
?? Dove l'ho detto?

Qui.

 
Aleksey Vyazmikin #:

Qui.

Si parlava di squilibrio di classe e qui si parla di correlazioni...
Va bene, lasciamo perdere, lasciamo perdere, lasciamo perdere... Non ho energia né voglia di masticare roba gommosa...
 
mytarmailS #:
Si è parlato di squilibrio di classe e qui si parla di correlazioni....
Va bene, lasciamo perdere. Lasciamo perdere, lasciamo perdere... Non ho energia né voglia di masticare roba gommosa....

Per me si tratta di un campione specifico che non è stato addestrato senza manipolare i dati.

Il filtro di correlazione è un modo semplice per far avanzare l'addestramento.
 
mytarmailS #:

data stabilita

Come mai nessuno l'ha toccato?
 
iwelimorn #:

Provato, non funziona, si tratta di nuovo di segni.


Se siete interessati, sto lanciando un costruttore di tester multicurrency con spread, lotto primitivo e un accenno all'apertura di posizioni di chiusura con lotto frazionario.

Affinché il tester funzioni, è necessario preparare un dataframe con le colonne ['open', 'spread] e lanciare anche un array numpy di formato x (n,2) con le previsioni delle probabilità di acquisto/vendita per ogni nuova barra nel segnale. Il tester funziona da un ciclo, di seguito un esempio di inizializzazione dell'uso del tester

La logica di trading e il lotto possono essere regolati nel metodo transcript_sig dell'oggetto Symbol.


I risultati del test si trovano nel dizionario trade_history_data, per il test complessivo e trade_symbol_data di ciascun simbolo.

Ci sono elenchi, se qualcuno vuole ottimizzare o cambiare qualcosa - ben venga).

È necessario trovare qualche ricompensa divertente per catturare i modelli. Altrimenti si arriverà allo pseudo-ottimismo di qualsiasi funzione.
 
Maxim Dmitrievsky #:
È necessario proporre delle ricompense divertenti per catturare i modelli. Altrimenti, si ridurrà allo pseudo-ottimale di qualsiasi ph-i.
È tutta una questione di funzione q e di critici, argomento interessante....
 
mytarmailS #:
Si tratta di q funzione e critica, un argomento interessante....

Se ne è parlato qui più di un anno fa, quando scrivevo algoritmi RL.

Non voglio ancora tornare indietro, e ho già una certa miscela di RL + supervisionato, sono passato agli schemi d'autore molto tempo fa.

Usate RL se non sapete come marcare le etichette, ma avete bisogno di un meccanismo di semilazione adeguato. Si inizia con il random come nei miei articoli, ad esempio, poi si aggiungono le condizioni. Si approssima con foresta o NS, si controllano i risultati, si corregge, e così via di giro in giro si ottengono i risultati e lo sfruttamento.

Quello che c'è nell'ultimo articolo è essenzialmente RL. Si può pensare alla seconda NS come a una critica, e si attribuisce un valore al meccanismo di semina degli accordi stessi. I termini possono essere imprecisi, ma non cambiano l'essenza dell'approccio.

La funzione Q non è necessaria, ci sono altri metodi come il rinforzo e così via, l'ho già dimenticato.
1...280428052806280728082809281028112812281328142815281628172818...3399
Nuovo commento