L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 287
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
Ho ancora bisogno di molto allenamento per essere in grado di tenere una conversazione con te su questo argomento... E non è necessario usare la neuronica, si può anche usare Forrest, è più facile attaccare l'obiettivo
...
In generale, tutto, ma c'è una sfumatura - quegli ottimizzatori che ho provato non possono far fronte ai pesi, trovano solo qualche minimo locale quando tutti i risultati saranno uguali a 0,5 per minimizzare l'errore medio, e a questo punto si bloccano. Bisogna applicare qualche trucco qui, non sono andato oltre.
Più complessa è la struttura dei neuroni - più pesi ci saranno, e più difficile è per l'algoritmo di ottimizzazione trovarli, per i grandi neuroni diventano semplicemente stupidi e quasi non migliorano il risultato iniziale.
La risposta non è così semplice. Ecco un modo, con un neurone, ma bisogna capire come funziona il neurone, quali formule ha, ecc.
Supponiamo di avere un semplice neurone...
код
Il codice di cui sopra può essere infilato nell'ottimizzatore...
Che storia che stai raccontando))))
Perché non ti è piaciuto il backprop, se non è un segreto? Più precisamente, nel caso di un solo strato e un solo obiettivo, tutto è molto semplificato, iterativamente bisogna sottrarre l'errore moltiplicato per l'intput fino alla convergenza, si chiama regola delta, o regola Heb, non ricordo esattamente. Wt = Wt-1 - lernrate*errore*Input, in generale, la solita discesa a gradiente
Non eri tu, non molto tempo fa, in un ramo in cui si parlava dell'ottimizzatore MT, a dimostrare il tuo super-algoritmo su R? Non funziona?
Io, sì, no.
Cosa c'è di sbagliato nel backprop, se non è un segreto?
So come fare la discesa del gradiente, ma richiede un obiettivo per ogni specifico esempio di allenamento - considera il risultato per l'esempio di allenamento, e tira i pesi nella direzione della derivata per ottenere il risultato più vicino a quello reale. E così a turno su tutti gli esempi di formazione.
E questo codice era la risposta alla domanda cosa fare se non hai un obiettivo e vuoi solo insegnare al tuo neurone a fare trading sul lato del profitto. Lasciate che giudichi da solo dove è meglio comprare o vendere, purché il profitto sia redditizio.
Quindi gli diamo incrementi di ohlc per barre, otteniamo previsioni di cosa fare sulla prossima barra, simuliamo il trading basato sulle previsioni e troviamo il trading ratio scarpe. Questo rimescolamento del rapporto è l'unica stima che viene data al neurone su tutto l'insieme dei dati di input.
L'ottimizzatore ottimizzerà i pesi del neurone in modo che il rapporto sharpe cresca.
Se trovate i gradienti dei pesi rispetto allo sharpe ratio - potete fare la discesa a gradiente, sarà molto meglio che cambiare i pesi alla cieca.
Io, sì, no.
Tra le centinaia di migliaia di pacchetti in R, non ce n'è uno che possa fare il lavoro con risultati soddisfacenti?
Tra le centinaia di migliaia di pacchetti in R, non ce n'è uno che possa risolvere il problema con risultati soddisfacenti?
Ci sono pacchetti che sono garantiti per risolvere questo problema, ma non ho tempo di aspettare mesi per un risultato, idealmente ho bisogno di farlo in un fine settimana.
Questa tecnologia non è per il computer di casa.
Ci sono pacchetti che sono garantiti per risolvere questo problema, ma non ho tempo di aspettare mesi per un risultato, idealmente ho bisogno di farlo in un fine settimana.
Questa tecnologia non è per il computer di casa.
- La macchina non parte bene?
- No, parte bene, ma ci vuole molto tempo.
Se la tecnologia non risolve il problema in un tempo accettabile, significa che la tecnologia non esiste.
Quanti parametri ottimizzare, in quale intervallo e con quali incrementi?
ha scaricato i dati storici di equilibrio tra acquirenti e venditori da onada quihttps://www.oanda.com/forex-trading/analysis/historical-positions
tracciato e calcolato la correlazione tra equilibrio e prezzo
layout(1:2)
plot(oanda$price ,t="l" , main = "EUR")
plot(oanda$pct_long ,t="l" , main = "balanse",col=2)
abline(h = 50)
cor(oanda$pct_long , oanda$price)
coefficiente di correlazione -0,76
È interessante notare che il prezzo si muove nella direzione opposta non anche relativamente all'equilibrio in valori assoluti ma relativamente alla dinamica del cambiamento dell'equilibrio...
Esattamente questa stessa meccanica è usata su altri mercati altamente liquidi, questo equilibrio può essere visto in altri modi, per esempio nel mercato del vetro. Sono sicuro che molte persone lo sanno, ammetto che io stesso lo so da probabilmente 6 anni, ma l'ho scritto per coloro che non lo sapevano, sarà utile e interessante.
Se l'equilibrio fa girare il mercato, forse è meglio prevedere l'equilibrio invece del prezzo. Comunque, la previsione dei prezzi nelle strategie di trading non è altro che la previsione delle azioni dei trader nel futuro, non importa quanto banale e banale possa sembrare, ma quando si inizia a pensare come si può prevedere la folla, diventa più interessante.... Penso che per capire la folla in primo luogo si dovrebbe capire se stessi, perché noi siamo la folla ... Come si fa a prevedere una folla? Quali sono i vostri pensieri?
Per qualche motivo, la conversazione scivola costantemente in una discussione sui meriti e demeriti di certi modelli.
Anche se la mia esperienza mi dice che il contributo al successo del trading è molto piccolo.
È la definizione dell'obiettivo e dei suoi predittori che lo definisce.
Sull'esempio di ZZ, ho cercato più volte di mostrare che anche una variabile bersaglio così ovvia, illustrativa e bella come ZZ non è la stessa e ha ostacoli insormontabili ad un esame più attento.
Se parliamo di predittori, è abbastanza ovvio per me, come persona che si è occupata di economia per tutta la vita, che:
Se ci si concentra unicamente sulla risoluzione di questi due fondamentali per la previsione economica e forex, allora il successo verrà solo da questi due parametri. E la selezione del modello che si adatta meglio all'obiettivo e ai suoi predittori può migliorare solo marginalmente le prestazioni, può dare alcune considerazioni valide sulla durata del modello senza ri-addestramento.
Ancora una volta, invito a concentrarsi sulla variabile obiettivo e sulla giustificazione dei predittori per questa particolare variabile obiettivo.
D'accordo.
E questo codice era la risposta alla domanda cosa fare se l'obiettivo non è definito e si vuole solo insegnare al neurone a fare trading sul lato positivo. Lasciatelo decidere da solo dove è meglio comprare e dove è meglio vendere - purché il profitto sia redditizio.
Quindi gli diamo incrementi di ohlc per barre, otteniamo previsioni di cosa fare sulla prossima barra, simuliamo il trading basato sulle previsioni e troviamo il trading ratio scarpe. Questo rimescolamento del rapporto è l'unica stima che viene data al neurone su tutto l'insieme dei dati di input.
L'ottimizzatore ottimizzerà i pesi del neurone in modo che il rapporto sharpe cresca.
Se trovate gradienti di pesi rispetto allo sharpe ratio - potete fare uno scappamento a gradiente, sarà molto meglio che cambiare ciecamente i pesi.
Ad essere onesti non l'ho provato, per qualche motivo mi è sembrato subito come alchimia, non una buona idea, per un perseptron a uno strato con un piccolo numero di istanze, forse qualcosa sarà terribilmente lento, quello multistrato non funzionerà, IMHO è di poca utilità. Inoltre la redditività del TS dipende direttamente dalla previsione del rendimento totale da N barre in avanti, è impossibile correggere la cattiva previsione, ottimizzare un'intera strategia è molto più rischioso imbrogliare se stessi.