Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 108
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
Como continuação da minha pequena publicação https://www.mql5.com/ru/forum/86386/page98 sobre análise do espectro e adaptação aos parâmetros reais do mercado.
Fiz uma pequena experiência, apenas para reforçar a teoria com a prática, a essência da experiência é verificar se o indicador será mais eficaz se cada vez que você mudar o período do indicador para aquele que está objetivamente presente no mercado
o indicador tirou o "RSI" (só por sorte), as regras de negociação são elementares mais de 70% vender, menos de 30% comprar, estúpidas inversões de marcha, sem paragens
Primeiro tomei o indicador habitual do LER com um período de 14 (este período é o mais comum em todos os livros e artigos) apenas para o comparar com algo
o indicador não perdeu, estou francamente surpreendido ....
agora o RSI adaptativo
conclusões: a abordagem adaptativa é muito mais afectiva do que a habitual
1) Mas, na verdade, não existe tal coisa como "treino" e "treino". Todos os tipos de validação cruzada e verificações OOS não dão e não podem dar o efeito esperado deles. A questão é que tais truques não são mais do que procurar e depois escolher esses valores, que funcionam aproximadamente de forma satisfatória tanto na área de treinamento quanto na área de testes, ou seja, esse conjunto de parâmetros já existe inicialmente entre todas as suas variantes possíveis, e equivale a escolher toda a área de história de uma só vez.
2) No entanto, a utilização de dois modelos (no meu caso, duas grelhas) é, na minha opinião, o melhor que pode ser aplicado entre os métodos actualmente disponíveis de "aprendizagem mecânica". Não é treinamento ou coaching, é uma forma de otimizar o modelo.
3) A aprendizagem real não existe atualmente. Reconhecer os mesmos padrões ou padrões semelhantes não é resultado de aprendizagem, é o resultado de lembrar. A aprendizagem deve envolver algum tipo de processo de pensamento (por mais primitivo que seja) que permita raciocinar e tirar conclusões ao receber novas informações, assim como a capacidade de gerar novas informações de forma independente. O mercado requer exatamente essa abordagem - pensamento, que até onde eu sei não existe hoje. E o que nós usamos hoje é memorização, não pensar, infelizmente.
1) O pensamento é profundo e correto. Mas não completo.
TQ (crossvalid.) é aprender e testar sobre os mesmos parâmetros, em diferentes locais de treinamento e testes. Mesmo em 10 faltas diferentes. Se a máquina está aprendendo ruído, a métrica de qualidade média será fraca. O método em si é muito forte.
Mas se os dados são ruidosos, pode haver um ajuste no CV, que é o que você está falando, mas você não termina o pensamento em termos técnicos, e fica atolado em pessimismo. Há muito tempo que existe um currículo aninhado (CV aninhado). Todos os seus modelos seleccionados podem ser validados com base em dados únicos, não incluídos na amostra. Se houver consistência de resultados, o modelo é bom, se não, mau. Tudo é solvível.
2) Não está claro porque é que isto é o caso.
3) E é. Mas a aprendizagem de máquinas é uma indústria que depende de um entendimento generalizável. Combater o excesso de aprendizagem é 90% do esforço.
Os "mauzões da máquina" levam isto em conta. O tempo é alimentado para a entrada da máquina. Além disso, o preço comporta-se de forma diferente não só à noite, mas também por sessões.
"Os Manin Boys"... Fixe!
É bom ser levado em conta, lendo o fio - não notei nenhuma menção a ele, pensei em compartilhar meus pensamentos. É verdade, os sinais característicos claros para identificar sessões individuais, eu não encontrei, então eu aplico apenas a limitação sobre o relógio, de agora em diante.
2) Não está claro porque é que isto acontece.
Como continuação da minha pequena publicação https://www.mql5.com/ru/forum/86386/page98 sobre análise do espectro e adaptação aos parâmetros reais do mercado.
Fiz uma pequena experiência, apenas para reforçar a teoria com a prática, a essência da experiência é verificar se o indicador será mais eficaz se cada vez que você mudar o período do indicador para aquele que está objetivamente presente no mercado
o indicador tirou o "RSI" (só por sorte), as regras de negociação são elementares mais de 70% vender, comprar menos de 30%, estúpidas inversões de marcha, sem paragens
Primeiro tomei um indicador RSI regular com um período de 14 (este período é o mais comum em todos os livros e artigos) apenas para o comparar com algo
o indicador não perdeu, estou francamente surpreendido ....
agora o RSI adaptativo
Conclusão: a abordagem adaptativa é muito mais afetiva, convencional
Eu segui o link, mas não entendi como você muda dinamicamente o período do indicador.
Por favor, explique com mais detalhes.
Como continuação da minha pequena publicação https://www.mql5.com/ru/forum/86386/page98 sobre análise do espectro e adaptação aos parâmetros reais do mercado.
Fiz uma pequena experiência, só para provar a teoria com a prática, a essência da experiência é verificar se o indicador será mais eficaz, se você mudar o período cada vez para o que está presente no mercado
Eu segui o link, mas não entendi como você muda dinamicamente o período do indicador.
Por favor, explique com mais detalhes.
Sobre a adaptação, tudo é claro. E onde você obtém o período "que agora está objetivamente presente no mercado"?
O benefício é uma diminuição no número de negociações ao longo do tempo desde que se começou a negociar no OOS, e não um aumento na percentagem de sinais errados. Cada vez com mais frequência existem contradições entre as redes, ao mesmo tempo que uma diz vender e a outra diz comprar e este é o sinal 0, ou seja, em vez de negociar perdas com dados completamente desconhecidos o modelo deixa de negociar.
a ideia é interessante.
Ato.
Na verdade, uso este efeito em gráficos de validação como um indicador da correcção do treino, em vez da razão entre as respostas correctas/incorrectas (erro). Esta é uma importante propriedade comercial e um indicador da qualidade da aprendizagem. Se um modelo dá sinais errados no OOS - este é um indicador de formação errada, não o facto de o mercado mudar.