Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Legal essa implementação em MQL5, @Joscelino Celso de Oliveira!
E parece bem fácil de usar! Obrigado por compartilhar!
Eu uso muito kernel RBF (função de base radial - geralmente a mais usada é a gaussiana) em modelos do tipo Support Vector Machine (SVM).
O uso da RBF dá uma enorme flexibilidade à função de decisão, o que é uma "faca de dois gumes".
Por um lado, permite que a rede neural ou a SVM se adaptem a qualquer tipo de função de decisão que seja necessária para se ajustar aos dados de treinamento , por mais loucamente descontínua e não-linear que essa função de decisão precise ser para obter um bom resultado, o que permite obter bom desempenho mesmo em cenários hostis ao aprendizado de máquina.
Porém, por outro lado, essa mesma flexibilidade conduz facilmente ao "overfitting" (obter resultados maravilhosos no backtesting mas não conseguir generalizar esses bons resultados em períodos futuros) se vc deixar a rede neural "se viciar" demasiadamente nos dados de treinamento.
Por isso, tanto em uma rede neural quanto no SVM, ao usar função de base radial (RBF) vc tem que ajustar bem o parâmetro de regularização, para evitar o "overfitting".
Nessa implementação de rede RBF que vc postou, a regularização é feita pelo parâmetro "epoch".
No meu projeto atual estou treinando os modelos preditivos fora do MQL5, mas é muito bom ter modelos preditivos implementados em MQL5, para futuramente não depender de nada externo. Vou testar essa classe assim que tiver um tempo.
Olá Trader_Patinhas, você traz para mesa dois pontos que considero muito relevantes para essa thread, principalmente quando de trata de machine learning: overfitting e a questão de não depender de nada externo, também apresentada originalmente pela ótima sugestão de lib/classe feita pelo Joscelino Celso de Oliveira, muito utilizada para séries temporais.
Uma das maiores dificuldades que vejo no overfitting, nesse contexto, é conseguir separar o que é realmente problema de perda pela estratégia, pelo setup ou de real mudança do mercado, que sempre pode surpreender, e nem sempre de forma legal e ética.
E, minha visão, e dois centavos, é que a própria inteligência artificial é uma ferramenta fantástica para combater o overfitting, identificando com maior precisão essas situações.
Na verdade, estamos caminhando para modelos tão complexos, com milhões de variáveis, onde dificilmente um gestor, por mais competente que seja, poderá depender de si próprio para evitar um ajuste ineficiente.
Ou seja, as máquinas devem ajudar no seu próprio ajuste.
E nós, as pessoas, devemos ajudar as máquinas a fazerem isso.
Sds.,
Rogério Figurelli
Fórum de negociação, sistemas de negociação automatizados e testes de estratégias de negociação
Do sonho da arbitragem de latência à realidade da estratégia eficaz
Rogerio Figurelli, 2019.08.24 23:11
Olá a todos,Vejo muitos traders sonhando de alguma forma conseguir resultados através de sistemas de arbitragem por latência, buscando ganhos dentro da lógica de flash traders, através do MT5.
Mas a verdade é que os principais sistemas que fazem isso utilizam as mais avançadas tecnologias para reduzir a latência ao máximo, além de estarem hospedados em ambientes de comunicação totalmente na velocidade da luz.
Por outro lado, vejo que a criação de estratégias realmente eficazes, que tenham inteligência para superarem outras estratégias, não tem a mesma repercussão.
O maior paradoxo dessa realidade é que, uma ideia realmente inteligente e competitiva pode gerar resultados superiores, mesmo operando com latências muito altas, portanto, minha recomendação para todos algotraders é que não deixem de lado esse potencial criativo de estratégias eficazes.
Um bom exemplo nesse sentido, nesse site, é a área de Freelance, onde vejo excelentes ideias de pessoas criativas buscando estratégias vencedoras, e investindo para isso.
Sds.,
Rogério Figurelli
Bom dia a todos,
Para quem está desenvolvendo trading systems com IA, um artigo com sugestão de parâmetros para decompor o comportamento do mercado.
The Use of Artificial Intelligence in Building Automated Trading Systems
https://pdfs.semanticscholar.org/f883/7ecd696fc8f41939c59ab83840f4bcbe0fdf.pdf
"The behavior of market it is possible to decompose the 4 parameters:
1) The trend parameter (Tt), which is defined as long-term increasing or decreasing trend in the market - such as economic growth or consistent good underlying asset or commodity (in 2001-2012 gold, etc.).
2) Cyclic parameter (Ct) is characterized by long-term cyclical fluctuations trend with a period less than a year – swing.
3) Seasonal parameter (St) is described as a regular deviation from the trend in the same period.
4) Random parameter - irregular short-term fluctuations having a totally random character (E)."
Sds.,
Rogério Figurelli
Boa tarde,
Alguém sabe sobre curso para montar robô com IA usando MT5?
Boa tarde,
Alguém sabe sobre curso para montar robô com IA usando MT5?
Olá potmoney, note que as regras desse fórum não permitem a divulgação de produtos/serviços/cursos/etc. de qualquer tema, portanto você terá dificuldades em conseguir essa resposta por aqui.
Sds.,
Rogério Figurelli
Fórum de negociação, sistemas de negociação automatizados e testes de estratégias de negociação
Lições do Mestre dos Robôs
Rogerio Figurelli, 2019.10.22 21:38
Boa tarde a todos,
Talvez você já se considere um mestre dos robôs, mas, seja como for, recomendo estudar alguns dos conselhos de Marco Lopez de Prado [1], especialmente se está buscando aplicar machine learning (ML) aos seus robôs, onde recomendo ler atentamente algumas de suas lições [2].
Ótimo comentário.
Na verdade , nem IA dá conta do mercado. Exemplo disso é quando um balanço de uma empresa está acima do esperado. A tendência seria de alta , mas tem acontecido o inverso.
O Lula já estava liberado para sair da cadeia e não aconteceu nada. Quando votaram para cancelar prisão em segunda instância a bolsa cai.
As vezes , quando a notícia aparece, a bolsa já caiu ou já subiu. Então , se tiver IA para avaliar a situação atual , fica difícil.
A ideia seria um robô para avaliar a oscilação em tempo real e tratar a maioria das combinações que aparecem, sem um tratamento atropelar o outro.(overfitting).
É o que todos fazem.
Ótimo comentário.
Na verdade , nem IA dá conta do mercado. Exemplo disso é quando um balanço de uma empresa está acima do esperado. A tendência seria de alta , mas tem acontecido o inverso. ...
Olá potmoney, você traz um ponto muito relevante para discussão.
Acredito que a vantagem competitiva da IA ainda não está na visão estratégica e geral de mercado, pois isso envolve ter capacidade de representação muito abstrata, quando não intuitiva, algo ainda do domínio dos gestores humanos. Entretanto, minha opinião é que a IA, principalmente as tecnologias de deep learning, são cada vez mais relevantes e competitivas para criar, analisar e ajustar modelos financeiros, como por exemplo identificar anomalias ou oportunidades em tempo real.
O ideal, e minha recomendação para quem está trabalhando com IA no mercado de capitais é justamente agregar modelos onde ela é mais forte que os gestores humanos, complementando essa competência. E o potencial para isso, no meu entender, é ilimitado, uma vez que não existem limites para a criatividade em buscar novos sistemas de representação digital da informação de mercado, ainda mais em uma plataforma aberta e internacional como o MT5.
Sds.,
Rogério Figurelli