L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 407
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
Infine, il modello è stato calcolato e aggiunto a quello esistente. La redditività è aumentata senza precedenti, sulla stessa area fuori dal campione la redditività è del 12,65
Tuttavia sembra essere un carico non piccolo sul deposito, ma è sopportabile. Ho ottimizzato l'esempio del primo post, ma non forzerò la macchina se non calcola rapidamente. Anche se non ci sono molte colonne, ma ci sono molte linee, quindi vediamo...
Ecco il rapporto. Il rapporto dei trade è abbastanza interessante, ma il drawdown è un po' alto.... è una questione di gusti...
Infine, il modello è stato calcolato e aggiunto a quello esistente. La redditività è aumentata senza precedenti, sulla stessa area fuori dal campione la redditività è del 12,65
Tuttavia sembra essere un carico non piccolo sul deposito, ma è sopportabile. Ho ottimizzato l'esempio del primo post, ma non forzerò la macchina se non calcola rapidamente. Anche se ho poche colonne lì, ha troppe linee, quindi vediamo come va...
Prova a spremere più accordi per stimare il risultato... Più ce ne sono, più velocemente si può capire nel trading reale quando il modello deve essere riqualificato. Per esempio, ora la mia stima è la seguente - sui risultati dei test la serie di perdite massime è di 2 trade, e se ci sono 4 perdite consecutive su un trade reale il modello dovrebbe essere riqualificato. In media 400/60 = 6-7 affari al giorno, cioè in 1 solo giorno possiamo capire se vale la pena riqualificare.
Finora ho 400 scambi in 3 mesi, timeframe 15 minuti. Ho un campione di formazione di 1 mese (al centro), a destra e a sinistra c'è un mese fuori campione. Lotto particolarmente sollevato per la bellezza. Saldo iniziale $ 1000 :) Non ho ancora fatto il retraining automatico per tutta la storia, dovrei fare il porting di J-predictor per questo o usare un altro neuronet, perché i pesi sono scelti attraverso l'ottimizzatore ora.
E si può vedere che il 90% dei trade profittevoli sono redditizi, ma il trade medio perdente è più grande, perché lo stoploss medio è più grande del take profit medio. La massima serie redditizia ha 33 profitti in successione, contro solo 2 trade perdenti in successione, ma il profitto totale di 33 trade è solo 4 volte superiore alla perdita totale di 2 trade (lo stop loss dovrebbe essere ridotto). Non si fanno più soldi a febbraio con queste impostazioni.
Se non calcola l'esempio dal primo post fino a sera, lo butto giù. Inoltre, il problema stesso è privo di significato e di interesse pratico. Non voglio correre al computer per ventiquattro ore solo per divertimento. Risorsa dopo tutto...
Sarete controllati sul sito di convalida o di prova? Se calcolate su un file completo, potete controllare il file di convalida dal post https://www.mql5.com/ru/forum/86386/page4#comment_2530392.
Ho sperimentato un po' con la RNN e sembra che ricordi solo gli esempi di allenamento (importanti insieme ai predittori di rumore) e su nuovi dati i predittori di rumore rovinano il risultato. Cioè RNN è incline all'apprendimento eccessivo. Almeno per i problemi logici dove 0 e 1.
Ma è possibile che le medie tra 0 e 1 interpolino abbastanza bene.
Avete intenzione di testare su un terreno di convalida o di prova? Se contate sul file completo, potete controllare il file di convalida dal post https://www.mql5.com/ru/forum/86386/page4#comment_2530392
Ho sperimentato un po' con la RNN e sembra che ricordi solo gli esempi di allenamento (importanti insieme ai predittori di rumore) e su nuovi dati i predittori di rumore rovinano il risultato. Cioè RNN è incline all'apprendimento eccessivo. Almeno per i problemi logici dove 0 e 1.
Ma è possibile che i valori medi tra 0 e 1 interpolino abbastanza bene.
Ho eseguito l'intero file, vedremo il risultato dell'apprendimento, posterò il modello qui più tardi, e potrete controllarlo per la convalida più tardi.... Questo è tutto...
Hai intenzione di controllare la convalida o la trama di prova? Se contate su un file completo, allora potete controllare il file di convalida dal post https://www.mql5.com/ru/forum/86386/page4#comment_2530392
Ho sperimentato un po' con l'RNN e sembra che ricordi solo gli esempi di allenamento (importanti insieme ai predittori di rumore) e su nuovi dati i predittori di rumore rovinano il risultato. Cioè RNN è incline all'apprendimento eccessivo. Almeno per i problemi logici dove 0 e 1.
Ma è possibile che le medie tra 0 e 1 interpolino abbastanza bene.
Come si chiama il sovrallenamento? e come si determina quali predittori sono rumore e quali no? Perché pensate che i predittori rumorosi rovinino il risultato e non quelli importanti abbiano smesso di funzionare? Non ci sono quasi nessun predittore importante sul mercato che funzionerà per sempre.
RNN in generale dovrebbe essere gestita in un modo specifico - fare una serie stazionaria e prendere i segnali dagli estremi, sperando in un'inversione
perché qualsiasi formazione è un adattamento, anche se con un significato non lineare di qualche tipo...
Hai confrontato le prestazioni di diversi modelli MO, perché fermarsi agli alberi decisionali? Io ottengo il minimo errore con loro, ne ho scritto sopra.
Gli alberi, così come altri MO hanno vantaggi e svantaggi, e mi sono fermato a questo metodo per il problema del primo post, per il principio della ragionevole sufficienza, è preciso e veloce sia nel codice risultante, sia nella generazione ricorsiva.
Anche se, per evitare di trollare in questo thread, sembra, avresti dovuto fare un'enorme foresta con qualche bootstrap o alberi infinitamente migliori con qualche boosting, e descrivere e descrivere ogni passo...)
Cerco di far ragionare te e altri che si sono smarriti.
Le decisioni sono prese dall'uomo, non dagli alberi, smettila di dilettarti.
Un uomo deve valutare la situazione e capire l'ambiente in cui lui e la sua famiglia vivono.
Il mondo si sta sviluppando molto velocemente in questi giorni, e l'ambiente dell'informazione, un grande campo in cui si può trovare chiunque.
Stai semplicemente tagliando fuori una parte della tua visione strategica e perdendo di vista quello che sta succedendo, il che ti mette, come protettore maschile, a un rischio inutile.