トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 2105

新しいコメント
 
Vladimir Perervenko:

適性関数は、最適化プロセスにおいて、最適化基準の 値を計算する。モデルトレーニングとは関係ない。

しかし、回帰では、数値ベクトルの形で目標があり、それをモデルからのベクトルで近似し、誤差を最小化しようとする（これも最適化である）？ またはニューロンの正しい重みを探索する

私は今、高調波からモデルを作っているところです。

 
mytarmailS:

フィットネス関数に、手数料を考慮したバランス計算機能を新たに追加した...。

学習面でも悪化している、、、、、。

バリデーションを追加して、クラシックな雰囲気にするのもいいかもしれませんね。

 
マキシム・ドミトリエフスキー：

metaqのcatbust multiclassに "no trading "を追加する必要があります。

戦略の幅が広がります。

そうしてくれると最高なんだけどなー。

 
Aleksey Vyazmikin：

そうしてもらえると、とてもうれしいです

2種類のモデルを使い分けることができます。

 
マキシム・ドミトリエフスキー：

metaqのcatbust multiclassに "no trading "を追加する必要があります。

戦略の幅が広がります。

マークアップするときは、こちら。

....
rand = random.randint(min, max)
        if dataset['close'][i] >= (dataset['close'][i + rand]):
            labels.append(1.0)
        elif dataset['close'][i] <= (dataset['close'][i + rand]):
            labels.append(0.0)              
        else:
            labels.append(0.0)
.....

に変更する。

rand = random.randint(min, max)
        if dataset['close'][i] - (dataset['close'][i + rand])>= 2*spred:
            labels.append(-1.0)
        elif dataset['close'][i] - (dataset['close'][i + rand])<= -2*spred:
            labels.append(1.0)              
        else:
            labels.append(0.0)

つまり、ある値よりも小さいデルタを持つ、フェンスの上。

 
mytarmailS:

しかし，同じ回帰でも，ターゲットは数値ベクトルであり，それをモデルからのベクトルで近似し，誤差を最小化する（これも最適化である）か，あるいはニューロンの正しい重みを探索する（これも最適化である）。

私が今やっているのは、基本的にハーモニクスからモデルを作ることです。

もちろん最適化なのですが、この最適化は回帰モデルによって行われるのです。

 
mytarmailS:

フィットネス機能にバランス計算とコミッション機能を追加して...。

手数料を節約するために、取引回数を最小限に抑えようとするアルゴリズムになったのでは...。その結果、トレード数が少なくなり、経験値も少なくなる...。

これはチャートですが、トレードが少ないときは学習がうまくいかないことがよくわかりますね...。

グレーはTRAIN 1500 pips

黒はTEST500点

ここは、アルゴが何も学習していないのか、非常にトレードの頻度が少ないですね・・・。


2日前にエントリーポイントがわかるとありがたいのですが ))

でも、ずっと再トレーニングした方がいいんでしょうね、まだ全部テストするのは無理です

どうですか？

全体のカーブを合成するコードはどこにある？見たことがあるような気がするのですが、今は見つかりません。

 
Vladimir Perervenko:

もちろん最適化ですが、この最適化は回帰モデルによって行われます。

となると、よくわからない((( なぜ、フィットネス機能を内蔵できないのでしょうか？

 
mytarmailS:

じゃあ、意味ないじゃん((( じゃあ、なんでフィットネスファン.はあそこに作れないの？

どこだ？

 
ウラジミール・ペレヴェンコ

サマリーカーブの合成コードはどこにあるのですか？見たことがあるような気がするのですが、今は見つかりません。

誰も興味がないと思い、削除しました。コードを送ることはできますが、読みやすい形に翻訳する必要があります。

ところで、アニーリング 法の不安定さに直面し、どう対処したらいいのか分からないほど、結果が不安定で、パラメータが大きく飛びます...。


私はこう思う

まず、ランダムに始点を初期化する。

そして、解決策が見つかったら、それを保存します。

そして、見つかったソリューションの起動パラメータで再度焼き直し、といった具合に......。

1...209820992100210121022103210421052106210721082109211021112112...3399
新しいコメント
理由: