Alexey Burnakov / プロファイル
- 情報
8+ 年
経験
|
0
製品
|
0
デモバージョン
|
0
ジョブ
|
0
シグナル
|
0
購読者
|
Senior Statistician
において
Align Technology
myfxbook.com/members/mosc_alex/primitive-force/1580439
Около-форексные интересы: теория информации, оптимизация в многомерных задачах.
Более конкретно: точное количество информации, полученной от n предикторов (функция от мультиинформации),
устранение ошибочной информации, вызванной ограниченным объемом выборки.
Поиск наилучших эвристик для сведения к минимуму функций с бинарными (более широко - категориальными) переменными.
Программирование на MQL4, VBA, R.
Старая, немного наивная но интересная тема: https://www.mql5.com/ru/forum/135430
Моя статья про feature selection: https://habrahabr.ru/company/aligntechnology/blog/303750/
Список интересных публикаций на тему поиска зависимостей и отбора информативных признаков:
http://people.sissa.it/~ale/Pan+96a.pdf (Analytical estimates of limited sampling biases in different information measures
Stefano Panzeri†‡§ and Alessandro Treves†)
http://arxiv.org/abs/1506.00673 (Mutual Dependence: A Novel Method for Computing Dependencies Between Random Variables
Rahul Agarwal, Pierre Sacre, Sridevi V. Sarma)
http://habrahabr.ru/company/retailrocket/blog/258543/ (Анализ данных на Scala. Считаем корреляцию 21-го века)
http://arxiv.org/abs/1505.02213 (Measuring dependence powerfully and equitably
Yakir A. Reshef, David N. Reshef, Hilary K. Finucane, Pardis C. Sabeti, Michael M. Mitzenmacher)
http://www.cefage.uevora.pt/content/download/750/8442/version/1/file/andreia%20dionisio.pdf ("Entropy-Based Independence Test"
by Andreia Dionísio at.al.)
Недавнее: http://habrahabr.ru/post/271975/
R Quantitative: http://www.mathfinance.cn/category/rsplus/
Comparison of decision tree models: https://rpubs.com/chengjiun/52658
Около-форексные интересы: теория информации, оптимизация в многомерных задачах.
Более конкретно: точное количество информации, полученной от n предикторов (функция от мультиинформации),
устранение ошибочной информации, вызванной ограниченным объемом выборки.
Поиск наилучших эвристик для сведения к минимуму функций с бинарными (более широко - категориальными) переменными.
Программирование на MQL4, VBA, R.
Старая, немного наивная но интересная тема: https://www.mql5.com/ru/forum/135430
Моя статья про feature selection: https://habrahabr.ru/company/aligntechnology/blog/303750/
Список интересных публикаций на тему поиска зависимостей и отбора информативных признаков:
http://people.sissa.it/~ale/Pan+96a.pdf (Analytical estimates of limited sampling biases in different information measures
Stefano Panzeri†‡§ and Alessandro Treves†)
http://arxiv.org/abs/1506.00673 (Mutual Dependence: A Novel Method for Computing Dependencies Between Random Variables
Rahul Agarwal, Pierre Sacre, Sridevi V. Sarma)
http://habrahabr.ru/company/retailrocket/blog/258543/ (Анализ данных на Scala. Считаем корреляцию 21-го века)
http://arxiv.org/abs/1505.02213 (Measuring dependence powerfully and equitably
Yakir A. Reshef, David N. Reshef, Hilary K. Finucane, Pardis C. Sabeti, Michael M. Mitzenmacher)
http://www.cefage.uevora.pt/content/download/750/8442/version/1/file/andreia%20dionisio.pdf ("Entropy-Based Independence Test"
by Andreia Dionísio at.al.)
Недавнее: http://habrahabr.ru/post/271975/
R Quantitative: http://www.mathfinance.cn/category/rsplus/
Comparison of decision tree models: https://rpubs.com/chengjiun/52658
Alexey Burnakov
追加されたトピックランダムへの想い
こんにちは。 これを書いていて、誰かを怒らせないように、洪水を誘発しないようにするにはどうしたらいいかと考えています。私は建設的であることを望みます、そして、私はただ尋ねるだけです(証明しない、反論しない、ただ対話を望むだけです)。 何年分もの相場データを集めて、0と1の ファイルを 作ると、次の相場が前の相場より大きければ0、その逆なら1という擬似乱数列ができあがります。当面は "pseudo "という接頭語をつけて丁寧に呼びましょう。
Alexey Burnakov
追加されたトピック金融シリーズのニューロフォーキャスト(1論文に基づく)
こんにちは。 Subj: http://etd.ohiolink.edu/send-pdf.cgi/Lakshminarayanan%20Sriram.pdf?ohiou1127333497&dl=y この中で、研究者は取引所取引商品について、日々の終値の予測精度を約94%にすることを達成しました。彼のテストサンプルサイズは、158日。
Alexey Burnakov
追加されたトピック引用における依存性統計(情報理論、相関などの特徴選択法)
こんにちは。 私は、フォーラムのスレッドの一つで Alexey (Mathemat) によって触れられた話題を少し発展させることにしました。 ある金融商品の相場における依存関係を、統計的手法で探ってみた。まず始めに、ダウ工業株価指数、日足データを取り、一連の系列をパーセント単位の系列に変換してみた。 実際の記事はこちらです : http://habrahabr.ru/blogs/data_mining/127394/ FXの相場のために続けたいと思います、結果はここに書きます。
Alexey Burnakov
追加されたトピックSOM:調理法
こんにちは。 私は以前からFXで自己組織化マップを使うことにアプローチしてきました。2001年から2011年3月末までの日足棒グラフを取り、サイズ40のニューラルネットワークの入力ベクトルを作成し、サイズ7×7のニューロンでSOMを学習させ、ベクトル空間を49セルに分割することにしました。そして、各セルについて、5本のバーで価格が上下に動く確率を計算した。分析結果は以下の通りです。
Alexey Burnakov
追加されたトピック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
皆さん、こんにちは、 このフォーラムに機械学習や統計の愛好家がいることは知っています。私はこのトピックで(ホリバーなしで)議論し、共有し、この興味深い分野で私たち自身の知識バンクを豊かにすることを提案します。 初心者のためだけでなく、ロシア語の良い理論的リソースがあります: https://www.machinelearning.ru/。 有益な特徴を選択する方法に関する文献の小さなレビュー : https://habrahabr.ru/post/264915/. 私は問題1を提案
ソーシャルネットワーク上でシェアする
33988
Alexey Burnakov
パブリッシュされた投稿Поверхностный анализ портфеля роботов на моем сигнале
Добрый день! Я использовал программу EA Analyzer, принимающую на вход отчеты из MT4 и считающую суммарную статистику по нескольким бумагам. Не хочу ничего плохого говорить про MT5 - скорее про себя: не умею на нем кодить. Но такой же анализ возможен и там...
ソーシャルネットワーク上でシェアする
300
3
Alexey Burnakov
パブリッシュされた投稿Подгон и тестирование эксперта еще на одной валютной паре
Привет! Решил расширить портфель торгуемых инструментов на своем счету: https://www.mql5.com/ru/signals/182568 Взялся за пару GBPUSD. Обучал с 2008.01.01 по 2016.05.01. Взял набор параметров с хорошим фактором восстановления и большим количеством сделок...
ソーシャルネットワーク上でシェアする · 1
211
2
Alexey Burnakov
パブリッシュされた投稿Моя текущая статистика торговли с мая 2016 по ноябрь 2016 г.
Приведены прогоны экспертов в тестере на всех тиках. И так, все не плохо. Нормально... Советник на паре eurjpy отработал в минус. Он был отключен через несколько дней после Брекзита (после 24.06). И правильно... В последствии его динамика угнетает...
![Alexey Burnakov](https://c.mql5.com/avatar/2015/9/56081DFE-6778.jpg)
Alexey Burnakov
Касаемо, последней записи в блоге: Внимание. Нашел ошибку в коде, из-за которой получились отличные результаты. Весь пост аннулируется до подробного разбора полетов!
Alexey Burnakov
パブリッシュされた投稿СОПРОВОЖДЕНИЕ ЭКСПЕРИМЕНТА ПО АНАЛИЗУ ДАННЫХ ФОРЕКСА: успешное применение машинного обучения
Начало по ссылкам (сверху старые): https://www.mql5.com/ru/blogs/post/659572 https://www.mql5.com/ru/blogs/post/659929 https://www.mql5.com/ru/blogs/post/660386 https://www.mql5.com/ru/blogs/post/661062...
ソーシャルネットワーク上でシェアする · 2
940
![Alexey Burnakov](https://c.mql5.com/avatar/2015/9/56081DFE-6778.jpg)
Alexey Burnakov
https://www.mql5.com/ru/signals/182568
Буду вести отчеты по новой итерации моей авто-торговли. Это НЕ связано с машинным обучением. Это связано с развитием одной примитивной идеи, которая хорошо ловится тестером МТ4 (пример: https://www.mql5.com/ru/blogs/post/665851). Обе системы работают на автомате с консервативными настройками риска. Хотя бы год буду держать. При наличии профита продолжу и дальше.
Буду вести отчеты по новой итерации моей авто-торговли. Это НЕ связано с машинным обучением. Это связано с развитием одной примитивной идеи, которая хорошо ловится тестером МТ4 (пример: https://www.mql5.com/ru/blogs/post/665851). Обе системы работают на автомате с консервативными настройками риска. Хотя бы год буду держать. При наличии профита продолжу и дальше.
Alexey Burnakov
パブリッシュされた投稿Тестирую еще раз
В прошлом году результаты: https://www.mql5.com/ru/blogs/post/381081 Решил повторить оптимизацию с учетом прошедшего года на данных Альфа-форекс. по Евре: по Йене: Эти системы пойдут в ход в этом году. Хочу обкатать на Альфа Форексе и сигнал сделаю, понятно...
ソーシャルネットワーク上でシェアする · 1
276
![Alexey Burnakov](https://c.mql5.com/avatar/2015/9/56081DFE-6778.jpg)
Alexey Burnakov
не взлетела. будем еще работать.
Это результаты моделирования знака приращения. Пока не вышли в прибыльную зону.
Однако можно легко показать, что прогноз на валидационных выборках значительно отличается от случайного гадания для некоторых горизонтов (снова лучшая зона это в районе 32 минут +-).
Немного поясню графики. Вчера ночью не получилось описать подробно.
Валдиация на 49 слабо зависимых выборках по 13 000 наблюдений. Внутри ящиков лежат 49 значений accuracy - точности угадывания направлений (BUY | SELL) - для каждой из выборок. Ящик это медиана окруженная 1 и 3 квартилями.
Задача была проверить, можно ли при всех наших входных условиях достичь на валидации точности, достаточной для преодоления спреда, то есть, для выхода торговли в безубыток.
Интересно, что для горизонтов прогноза вплоть до 128 минут машина угадывает направления значимо лучше, чем случайное гадание - 50%.
Однако нам бы хотелось получить метрику точность на валидации, лежащую значимо выше одной из ступеней на цветных графиках. Тогда сразу можно сказать, что для этого горизонта можно торговать как минимум в безубыток с учетом обозначенного спреда.
Хочу пополнить набор входных данных, а также можно поменять логику кроссвалидации, отбор переменных, и даже попробовать обучить другим методом.
Кроме того, в планах попробовать предсказать не приращения с шагом по времени, а наступление события Take Profit | Stop Loss для различных уровней.
Это результаты моделирования знака приращения. Пока не вышли в прибыльную зону.
Однако можно легко показать, что прогноз на валидационных выборках значительно отличается от случайного гадания для некоторых горизонтов (снова лучшая зона это в районе 32 минут +-).
Немного поясню графики. Вчера ночью не получилось описать подробно.
Валдиация на 49 слабо зависимых выборках по 13 000 наблюдений. Внутри ящиков лежат 49 значений accuracy - точности угадывания направлений (BUY | SELL) - для каждой из выборок. Ящик это медиана окруженная 1 и 3 квартилями.
Задача была проверить, можно ли при всех наших входных условиях достичь на валидации точности, достаточной для преодоления спреда, то есть, для выхода торговли в безубыток.
Интересно, что для горизонтов прогноза вплоть до 128 минут машина угадывает направления значимо лучше, чем случайное гадание - 50%.
Однако нам бы хотелось получить метрику точность на валидации, лежащую значимо выше одной из ступеней на цветных графиках. Тогда сразу можно сказать, что для этого горизонта можно торговать как минимум в безубыток с учетом обозначенного спреда.
Хочу пополнить набор входных данных, а также можно поменять логику кроссвалидации, отбор переменных, и даже попробовать обучить другим методом.
Кроме того, в планах попробовать предсказать не приращения с шагом по времени, а наступление события Take Profit | Stop Loss для различных уровней.
![Alexey Burnakov](https://c.mql5.com/avatar/2015/9/56081DFE-6778.jpg)
Alexey Burnakov
Тизер к следующей итерации Большого эксперимента. В данный момент я обучаю машину предсказывать направление движения цены (BUY | SELL). Проверка на валидационной выборке покажет для каких горизонтов предсказания более робастны и, следовательно, устойчивы. Для получения положительного эджа в торговле для каждого горизонта предсказания нужно достичь определенной точности - с учетом спреда. На картинке представлены "лакмусовые бумажки", показывающие какую точность нужно достичь нашей системой для того, чтобы выйти в нуль, в зависимости от разного спреда (от 1 до 3 пунктов). Ну, скрестим пальцы и будем учить и учить наши машины. Скорее всего, через неделю только выкачу результаты. Уже много данных для обработки и осмысления получил.
Alexey Burnakov
![](https://c.mql5.com/6/716/splash-661895-1456931488.gif)
Начало по ссылкам: https://www.mql5.com/ru/blogs/post/659572 https://www.mql5.com/ru/blogs/post/659929 https://www.mql5.com/ru/blogs/post/660386 https://www.mql5.com/ru/blogs/post/661062...
ソーシャルネットワーク上でシェアする · 1
777
1
![Alexey Burnakov](https://c.mql5.com/avatar/2015/9/56081DFE-6778.jpg)
Alexey Burnakov
В блоге https://www.mql5.com/ru/blogs/post/661499 произошло обновление. Почитайте...
![Alexey Burnakov](https://c.mql5.com/avatar/2015/9/56081DFE-6778.jpg)
Alexey Burnakov
Важно: я решил выложить в общий доступ обучающий и валидационный наборы данных для всех желающих поэкспериментировать. Если у кого-то получится воспроизвести и возможно улучшить результаты регрессии на валидации, прошу сообщить мне.
https://drive.google.com/open?id=0B_Au3ANgcG7CMmJvVGpXOEg3cGs
https://drive.google.com/open?id=0B_Au3ANgcG7CMmJvVGpXOEg3cGs
Alexey Burnakov
![](https://c.mql5.com/6/715/splash-661499.jpg)
Начало по ссылкам: https://www.mql5.com/ru/blogs/post/659572 https://www.mql5.com/ru/blogs/post/659929 https://www.mql5.com/ru/blogs/post/660386 https://www.mql5.com/ru/blogs/post/661062...
ソーシャルネットワーク上でシェアする · 3
2329
9
![Alexey Burnakov](https://c.mql5.com/avatar/2015/9/56081DFE-6778.jpg)
Alexey Burnakov
На тему кроссвалидации временных рядов в пакете caret (R): http://www.r-bloggers.com/time-series-cross-validation-5/
Alexey Burnakov
![](https://c.mql5.com/6/714/splash-661062.jpg)
Начало по ссылкам: https://www.mql5.com/ru/blogs/post/659572 https://www.mql5.com/ru/blogs/post/659929 https://www.mql5.com/ru/blogs/post/660386 Сегодня...
ソーシャルネットワーク上でシェアする
531
3
![Alexey Burnakov Alexey Burnakov](https://c.mql5.com/avatar/2015/9/56081DFE-6778.jpg)
Alexey Burnakov
2016.02.22
Похоже, есть проблема с дизайном эксперимента. Кроссвалидация использует случайную выборку наблюдений. Это прямо противоречит моей задумке, когда нужно брать хронологически изолированные куски набора данных. По этой причине результат на кроссвалидация получился лучше, чем на валидацонном наборе. В следующий раз сделаю правильно.
: