L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 520
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
L'intero problema dei teorici è disegnare teorie che non esistono nella realtà. Ma la realtà a volte assomiglia a una specie di teoria. Resta solo da determinare quanto è simile? E questo è ciò che fanno i tester di teoria. Francamente parlando, un trader è come un tester. Testa una strategia o una teoria su un deposito con il suo broker (il più impavido fa solo senza usare nessuna teoria :)) ... Ma il codardo (come me) ... e anche il controllo di tutto all'infinito :) Diciamo questo ... immersione nella teoria del trading! E come funziona veramente? ... Non possiamo saperlo con certezza, possiamo solo sapere cosa può influire. Penso che dobbiamo capire esattamente cosa influisce? Per esempio l'aumento delle criptovalute, la caduta del barile di petrolio, le forti fluttuazioni dello yen, ecc. ecc. Da dove prendiamo queste informazioni? Onestamente ... non lo so. Sto guardando l'esperienza dei precedenti... ...la risorsa da cui prendevano i dati è scomparsa e... Quindi l'analisi fondamentale è per trader veloci e senza paura. Ok, arrivo alla realtà... tutto quello che possiamo fare... è cogliere la tendenza e il ripetersi di questa tendenza nella storia. Possiamo solo senza mezzi termini ...
1. prendere la stessa cosa in un certo momento (tendenza al ribasso, tendenza al rialzo, swing, stop, breakout)
2. provare alcuni parametri che contribuiscono alla tendenza (linee di resistenza, supporto)
3. reazioni dei prezzi a eventi significativi o noti.
Questo è tutto. Non so cos'altro può darci un segnale? Possiamo usare i parametri per disegnare il prezzo sul grafico ... sembra un trader sciamano che balla con i tamburelli! :) Alla gente piace davvero :) Beh, lo sciamano sa come stanno le cose :) Naturalmente sarebbe bello conoscere le informazioni da una fonte affidabile, ma l'affidabilità è spesso sempre più bassa ultimamente. Quindi stupidamente ... copiamo quello che abbiamo :) Come possiamo fare? ... Beh... ...definire un po' di parametri di copia Cosa potrebbe essere? Sì? Cosa sarebbe?
Non so di cosa si tratti.
Tutto è correlato a tutto ciò che si trova nello strumento. E questo è inevitabile, dato che tutto è ottenuto tramite trasformazioni dalle stesse serie temporali, dagli stessi dati.
A proposito, con la PCA si può cercare di sbarazzarsi della multicollinearità e ridurre la dimensionalità degli input, o decomposizione singolare
Non ho alcun problema con l'adattamento di NS a un pezzo di storia, ho un problema con le modalità adattive e l'autoapprendimento ora. Non ho ancora trovato articoli o altre informazioni che coprano bene l'argomento... Ho i miei piccoli sviluppi, ma non funziona molto bene finora. Questo è il motivo per cui il mio articolo su RF e sistema adattivo si è arenato per il momento, dato che volevo coprire il tema dell'adattabilità il più possibile
Ora vedo la soluzione in predittori adattivi che daranno +- segnali corretti su diversi grafici, e il ns di base, infatti, sarà addestrato solo una volta o non molto spesso, cioè dovremmo sbarazzarci del problema - quando riqualificare NS e il problema della riqualificazione stessa, quando i predittori smettono di funzionare quando il mercato cambia
A proposito, attraverso la PCA si può cercare di sbarazzarsi della multicollinearità e ridurre la dimensionalità degli input, o la decomposizione singolare
Non ho alcun problema con l'adattamento di NS a un po' di storia, ho un problema con le modalità adattive e il selftraining ora. Non ho ancora trovato articoli o altre informazioni che coprano bene l'argomento... Ho i miei piccoli sviluppi, ma non funziona molto bene finora. Questo è il motivo per cui il mio articolo su RF e sistema adattivo si è fermato per ora, perché volevo coprire il più possibile il tema dell'adattabilità
Ho ottenuto questo risultato su un modello di una settimana fa.
x - numero di trade, y - profitto totale in p. Trade con un lotto fisso.
Devo dire che sono stupito. Ho messo insieme un vero sistema da circa una settimana.
Ho ottenuto questo risultato su un modello di una settimana fa.
x - numero di trade, y - profitto totale in p. Trading un lotto costante.
Devo dire che sono stupito. È da una settimana che sto rivettando il sistema reale.
Ho una buona idea di usare veri spread e commissari, ma preferirei vedere i risultati... + Userò lo slippage per i trade brevi.
e avanti :)
Se non sono abituati, saranno utilizzati come all'inizio del gioco. + slippage se gli scambi sono brevi
Il modello sembra tenere conto di tutto questo. Si stima che si perdano 30p su ogni trade, di successo o meno. (questi sono futures) - è molto per loro. Test su dati non utilizzati durante il debug Debugging su futures -6.17 - Test su futures successivi -9.17. Tutto è preso in considerazione, se possibile).
Tuttavia, ci saranno delle sfumature, ovviamente. Suppongo, come al solito,) che il reale sarà un po' peggiore.
Ora ho raggiunto il momento dell'apertura dell'accordo. Mi sto allenando - ho guardato circa una dozzina di voci in un affare online. Sembra che stia entrando correttamente.
C'è qualcosa di sbagliato in ALGLIB con la versione SOFTMAX di NS. Tutte le risposte sono sbilanciate verso la prima uscita (per me è BUY).
Stessi dati NS - la regressione con 3 uscite (con attivazione lineare) dà risultati più affidabili:
Comprare Vendere NA
0.10302356, 0.01091621, 0.88606040
0.09705416, 0.01083526, 0.89211080
0.08283979, 0.12548789, 0.79167247
1.02522414,-0.00119697,-0.02403573
0.09498582, 0.01529507, 0.88971917
1.01878489,-0.00111341,-0.01767998
0.07906346, 0.05960769, 0.86132762
0.00201949, 0.00497863, 0.99300189
in >0,5 darà risposte plausibili.
Les, tra l'altro, è anche sbilanciato verso la prima uscita.
Qual è l'attivazione dei suoi neuroni di uscita? Vedo valori negativi. Non dovrebbe esserlo. Si dovrebbe usare l'attivazione softmax nei neuroni di uscita. I suoi valori sono nell'intervallo 0-1.
Qual è l'attivazione dei suoi neuroni di uscita? Vedo valori negativi. Non dovrebbe esserlo. Si dovrebbe usare l'attivazione softmax nei neuroni di uscita. I suoi valori sono nell'intervallo 0-1.
L'esempio qui sopra è di regressione con uscite lineari (come variante di lavoro). Durante l'allenamento mi nutro da 0 a 1.
Su softmax era chiaramente 1, o qualche centesimo in meno; ma tutto sulla 1a uscita, le altre 2 uscite sempre = 0. Cioè c'è qualcosa di sbagliato con softmax in ALGLIB...
Leggi le funzioni di attivazione dei neuroni. Potete fornire qualsiasi valore all'uscita, ma la funzione di attivazione sbagliata produrrà valori negativi. Questa è di solito una tangente iperbolica. La funzione di perdita softmax non funzionerà correttamente con essa. Anche se molto dipende dalla libreria e dall'implementazione della funzione di perdita. Per esempio in Tensorflow i neuroni di uscita per la funzione di perdita softmax non dovrebbero avere alcuna funzione di attivazione. E per un uso corretto della rete addestrata dovremmo aggiungere l'attivazione softmax.Non ho lavorato conALGLIB, forse hanno sbagliato qualcosa. In ogni caso una rete addestrata con softmax non dovrebbe dare valori negativi.
Questo è il caso quando una delle classi ha un numero molto grande di esempi di allenamento rispetto alle altre classi. Per esempio 2000 esempi di allenamento per comprare e solo 1000 per vendere. Il neurone può sempre restituire "Buy" e in questo caso avrà ragione il 66% delle volte. È meglio rendere uguale il numero di esempi di allenamento di ogni classe.