Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 45
![MQL5 - Linguagem para estratégias de negociação inseridas no terminal do cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
OK, isso é um desempenho comercial muito bom na história! Parabéns.
Como você faz múltiplos preditores a partir dos intervalos de um preditor? Eu não entendo isso.
Oh, é muito simples...
1) Vamos pegar cada preditor e agrupá-lo em, digamos, 50 clusters (além disso o agrupamento pode e deve ser feito em dois tipos 1) clusterização "como é" para agrupar o preditor por valores numéricos e o segundo tipo 2) clusterização do preditor normalizado para agrupá-lo como uma imagem), juntos, obtemos tudo como visão humana, conheceremos não apenas valores "reais" numéricos do preditor, mas também imagem - curvas, declives
2) Criamos uma tabela onde as colunas são clusters, 50 clusters ---> 50 colunas ---> 50 preditores, verificamos a importância destes preditores usando algum algoritmo e vemos que de 50 preditores apenas 1-5 são importantes, mantemo-los
3) faça o próximo preditor, agrupe-os e repita os passos 1 e 2
Tal selecção dentro do preditor deveria teoricamente aumentar a qualidade de reconhecimento por ordens de magnitude...
mas há algumas desvantagens
1) cálculos caros
2) se cada preditor for dividido um a um e seu conteúdo for avaliado separadamente do conteúdo de outros preditores, então será impossível avaliar a correlação entre os preditores que tem de ser resolvida de alguma forma
Oh, é muito simples...
1) Pegamos cada preditor e o agrupamos em, digamos, 50 clusters (enquanto o agrupamento pode e deve ser feito em dois tipos 1) agrupamento "como é" para agrupar o preditor de acordo com valores numéricos e o segundo tipo 2) agrupamento normalizado do preditor para agrupá-lo como uma imagem), juntos, obtemos tudo como visão humana, conheceremos não só os valores "reais" numéricos do preditor, mas também a imagem - curvas, declives
2) Criamos uma tabela onde as colunas são clusters, 50 clusters ---> 50 colunas ---> 50 preditores, verificamos a importância destes preditores usando algum algoritmo e vemos que de 50 preditores apenas 1-5 itens são importantes, nós os mantemos
3) faça o próximo preditor, agrupe-os e repita os passos 1 e 2
Tal selecção dentro do preditor deveria teoricamente aumentar a qualidade de reconhecimento por ordens de magnitude...
mas há algumas desvantagens
1) cálculos caros
2) se cada preditor for discriminado um a um e seu conteúdo for avaliado separadamente do conteúdo de outros preditores, então será impossível avaliar a correlação entre os preditores que tem de ser resolvida de alguma forma
Você pode tentar dessa forma . Em geral, há um método. Você faz um gráfico de pontos de previsão de saída. O ideal é que haja uma boa dependência. Mas, se a dependência é difusa em algum segmento (geralmente nas caudas), estas observações são excluídas.
Como se chama este método?
há algum no rc?
como resolver o problema no.2 ?
Como se chama este método?
há algum no rc?
como resolver o problema no.2 ?
A propósito, alguém está ou não interessado nisto, eu não entendo. Você precisa de um robô treinado que passe a validação em 5 anos com lucro?
Tal
Estou de volta das férias. Posso preparar os arquivos e publicá-los, e quem precisar, melhorá-los-á para si.
Estou interessado em como criou o robô ponto por ponto, se não for difícil...
1) selecionou os recursos de acordo com o seu método
2) Você fez o modelo
e é só isso?
Estou interessado em como criou o robô ponto por ponto, se não for difícil...
1) Selecionou as características de acordo com o seu método
2) Você construiu o modelo
e é só isso?
Este é um esquema geral que funciona sempre.
Eu apago as características através da importância após a execução do GBM. E eu tento números diferentes de selecções. A máquina é treinada através do GBM e eu já tentei diferentes funções de fitness. A validação cruzada é utilizada. Os seus parâmetros também variam. E há mais algumas nuances.
Em geral, tenho um resultado que prova que mais complexo nem sempre é melhor. No EURUSD o modelo utiliza apenas 5 preditores e apenas duas faltas de validação cruzada.
Rede neural muito interessantehttp://gekkoquant.com/2016/05/08/evolving-neural-networks-through-augmenting-topologies-part-3-of-4/ você acha que ela pode ser feita para se trocar e aprender com seus próprios erros? E se assim for, como fazê-lo, convido-o a discuti-lo.
Se o desenvolvedor disser que a rede pode substituir um algoritmo de aprendizagem de reforço, isso é promissor.
A experimentação é necessária. Mas o tema é interessante.
Se o desenvolvedor disser que a rede pode substituir um algoritmo de aprendizagem de reforço, isso é promissor.
A experimentação é necessária. Mas é um tema interessante.
Concordo, é interessante... Mas não há quase nada claro para mim, começando pela ideologia e terminando com o próprio código, há muita coisa e muitos operadores que eu nem conheço.
Se alguém pudesse explicar tudo isso, pelo menos através de exemplos elementares, como usá-lo no comércio, seria uma boa experiência para pessoas tão inexperientes como eu