L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 880

 
elibrario:
NS di solito elabora i dati dalle prime righe - cioè dati vecchi nelle prime righe, e dati freschi alla fine, in modo che gli ultimi passi di apprendimento siano fatti su di essi.

Grazie.

 
Aleksey Vyazmikin:
Tutti i predittori funzionano sull'apertura della barra - non so nemmeno ora come identificare quelli che sbirciano - per idea la loro significatività dovrebbe essere alta?

Beh, se tutti sono a prezzo aperto - allora non dovrebbero sbirciare, se altre opzioni - allora sbirciano.

 
elibrario:

Beh, se tutto è a prezzo aperto - allora non dovrebbe sbirciare, se altre opzioni - lo fa.

Puoi testare il mio set di dati su qualche rete neurale, non riesco ancora a capirlo? Quello incorporato in quel programma non vuole imparare più del 56% - forse sto facendo qualcosa di sbagliato o la rete non è adatta....

 
Aleksey Vyazmikin:

Puoi testare il mio set di dati su qualche rete neurale, non riesco ancora a capirlo? Costruito in quel programma non vuole imparare più del 56% - forse sto facendo qualcosa di sbagliato, o la rete non è adatta....

Hai una regressione nel tuo file, mentre stai testando la classificazione, a giudicare dalla descrizione. Probabilmente avete bisogno di un file con la classificazione.
A giudicare dalla foto hai circa l'8% di errore (Accuratezza 92%), non il 56%.

 
elibrario:
Avete la regressione nel vostro file, e state testando la classificazione, a giudicare dalla vostra descrizione. Probabilmente avete bisogno di un file con la classificazione.
A giudicare dalla foto avete un errore di circa l'8% (Precisione 92%), non il 56%.

Sì, quel file è sbagliato, ho già aggiunto i predittori e fatto la classificazione dell'obiettivo secondo una semplice regola - se più o uguale a 50 punti allora 1 (per comprare) e -1 (per vendere), altrimenti 0, e le colonne per comprare e vendere sono indipendenti.

Il 56% è un neurone e gli screenshot sono dell'albero.
 
Aleksey Vyazmikin:

Sì, quel file è sbagliato, ho già aggiunto dei predittori e fatto una classificazione dell'obiettivo con una semplice regola - se è più o uguale a 50 punti allora 1 (per comprare) e -1 (per vendere), altrimenti 0, e le colonne per comprare e per vendere sono indipendenti.

Circa il 56% - quindi è un neurone, e gli screenshot dell'albero.
Beh, se l'albero è migliore - usalo. NS è più difficile da impostare.
 
elibrario:
Beh, se l'albero funziona meglio, allora usatelo. L'NS è più difficile da impostare.

Finora funziona solo la logica (o forse sto testando male?), ma non so come usarla.

Se qualcuno vuole aiutare a testare il lavoro dei predittori, ci sono due file in allegato - per l'acquisto e la vendita la colonna 3 è l'obiettivo, la 1 e la 2 non le uso, e il resto sono predittori.

File:
Pred_004.zip  805 kb
 
Predittori che trascino da un sistema di trading dove tutto funziona bene nel tester, ma non rivela tutto il suo potenziale...
 
Maxim Dmitrievsky:

alglib ha kfold, qualcuno ha capito come lavorarci? la documentazione è quasi nulla :)


Ah, capisco, questi metodi insegnano automaticamente attraverso la validazione incrociata

Gli strumenti sono stati dati, ma non c'è un manuale. Sarebbe bello avere un aiuto per ogni funzione, come usarla e con esempi.

 
Aleksey Vyazmikin:

Finora funziona solo la logica (o forse sto testando male?), ma non so come usarla.

Se qualcuno vuole aiutare a testare le prestazioni dei predittori, ci sono due file in appendice - per l'acquisto e la vendita la colonna 3 è l'obiettivo, la 1 e la 2 non le uso, e il resto sono predittori.

Ho provato il 1° file, l'ho diviso in 3 parti:


Imparare
Previsto
Attuale 0 1
0 28107 1244
1 3045 4119

Prova 1

Previsto
Attuale 0 1
0 5950 356
1 742 776

Corrente 2

Previsto
Attuale 0 1
0 5945 333
1 779 769

Calcolato su nnet con 10 neuroni in uno strato nascosto (NS del pacchetto Rattle di R)

Peggio della vostra foresta, ma non male. Il secondo file avrà probabilmente gli stessi risultati.