Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 112
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
Se for esse o caso, fico contente, é muito melhor.
De qualquer forma, o fronttest mostra um resultado muito melhor. Divido o seu ficheiro em 2 partes (sem embaralhar, apenas por ordem), a primeira parte tem 50 linhas, a segunda 19. Então o jPrediction não tem acesso a exemplos do segundo ficheiro, e serão dados realmente novos para o modelo.
No final do segundo arquivo JPrediction só deu uma resposta em 9 casos. Correcto em 5 casos, errado em 4. A precisão é de cerca de 50%, nada de bom neste resultado.
Tudo é bom, exceto uma bagatela: não há comparação com outros modelos.
Eu ofereço os meus serviços para comparação
1. Você prepara um arquivo Excel de entrada contendo os preditores e a variável alvo
2. Você faz o cálculo
3. Você me envia o arquivo de entrada.
4. Eu faço os cálculos usando a randomforest, ada, SVM
Comparação.
O que é que vais comparar?
Randomforest, Ada e SVM são classificadores binários, enquanto jPrediction é ternário.
Você tem experiência e critério adequado para comparar classificadores binários com classificadores ternários?
Se você se sente tão fortemente sobre isso, o jPrediction está em acesso aberto, incluindo fontes. Eu já lhe dei as instruções. Existem modelos criados trivialmente (só não conte a ninguém sobre isso): pressionando apenas uma tecla - F8. Você pode brincar com números à vontade com uma cara esperta. Mas sem a minha participação. Afinal, é pouco provável que precisem da minha ajuda para carregar numa única tecla, porque espero que os vossos pais já vos tenham autorizado a usar o computador sozinhos?
Mas só sem o meu envolvimento.
Que pena.
Boa sorte, ciclista.
O que é que vais comparar?
Randomforest, Ada e SVM são classificadores binários, enquanto jPrediction é ternário.
Você tem experiência e um critério adequado para comparar classificadores binários com classificadores ternários?
Se você se sente tão fortemente sobre isso, o jPrediction é de domínio público, incluindo o código fonte. Eu já lhe dei as instruções. Existem modelos criados trivialmente (só não conte a ninguém sobre isso): pressionando apenas uma tecla - F8. Você pode brincar com números à vontade com uma cara esperta. Mas sem a minha participação. Afinal, para pressionar uma tecla é pouco provável que a minha ajuda seja necessária, porque eu espero muito, que vocês, pais, já vos permitam usar o computador sozinhos?
Se você quer uma resposta inequívoca sem olhar para dados e algoritmos....
Obrigado pela sua resposta abrangente e compreensível.
Sim, eu estou a falar da mesma coisa. Eles não conseguem entender que a formação NS é uma arte, e a escolha do modelo certo baseia-se em muitos anos de experiência e num certo sentimento de que este é o modelo certo. Mas não, os nossos mestres querem resultados inequívocos. A propósito, sobre a singularidade. É bastante interessante quando um modelo é treinado sem ambiguidade e sem ambiguidade. E aqui está uma ideia que eu tenho. Vou escrever para LS....
Não somos coryphaei - somos parte da maioria, cujos membros querem os mesmos resultados no futuro que hoje. É disso que se trata este fio.
E os artistas, os sacerdotes da arte, estão juntos com os mash-ups.
Não somos coryphaei - somos parte da maioria, cujos membros querem os mesmos resultados no futuro que hoje. É disso que se trata este fio.
E os artistas, os sacerdotes da arte, estão com os mash-ups.
Vou mostrar-vos o guião em que fiz o indicador com auto-ajuste do período e como treinei o modelo,
O script é dividido em duas partes, a primeira cria uma folha com períodos objetivos e os dados, a segunda abre esta folha e treina o modelo.
Eu não sou um programador, se alguém estiver interessado, eu vou responder às perguntas,
1) todos os caminhos em scripts devem ser alterados para os seus próprios...
2) não tente verificar o modelo da maneira usual, comparando o alvo com os novos dados com previsão, esta abordagem não funciona, você precisa alimentar os dados no programa de análise técnica e lá simular a negociação com paradas, até agora estou profundamente convencido de que esta é a única maneira objetiva de testar o modelo
3) Treinei o modelo cerca de 15 vezes, das quais apenas 3 ou 4 vezes o modelo mostrou uma pequena perda nos novos dados, considero-o entre aspas como um resultado "estável" e digno de atenção e desenvolvimento posterior.
No total, foram utilizados 50 000 dados para treinamento em 20 000 e 30 000 foi um teste sobre novos dados.
4) as citações são as mesmas que as minhas que você pode baixar do site da finamhttps://www.finam.ru/profile/mosbirzha-fyuchersy/rts/export/?market=14&em=17455&code=SPFB.RTS&apply=0&df=18&mf=7&yf=2016&from=18.08.2016&dt=18&mt=7&yt=2016&to=18.08.2016&p=7&f=SPFB.RTS_160818_160818&e=.txt&cn=SPFB.RTS&dtf=1&tmf=1&MSOR=1&mstime=on&mstimever=1&sep=1&sep2=1&datf=1&at=1
porque, devido à estranheza deste fórum, não posso anexar as minhas citações.
ao que parecehttp://prntscr.com/c776d3
Ou você pode usar sua própria citação da metatrader
111 vai criar uma data.
222 já está treinando um modelo nesta data
Acho que entendo porque é que o exemplo do Michael pode funcionar. A força do jPrediction não está na classificação (50% de precisão nos novos dados é como atirar uma moeda ao ar), mas no facto de não fazer uma previsão se os modelos no comité derem respostas diferentes. A estratégia de Michael só funciona porque ele não negocia em momentos de mercado tão pouco claros quando os dois modelos não podem dar a mesma resposta. Não importa qual previsão a jPredição faz, haverá 50% de erro de qualquer forma, desde que você não negocie quando a jPredição se recusa a fazer uma previsão. Em seguida, escolhe a direcção do negócio (compra/venda) com base no sequencial. Acontece que o jPredictor funciona como um detector de uma situação demasiado caótica no mercado quando é melhor não negociar, uma aplicação muito interessante.
Eu tentei uma abordagem semelhante com os meus dados. Eu tenho mais de 2 modelos no meu comité. Eu não consegui obter uma resposta unânime deles, mas se eu trocar quando pelo menos 80% dos modelos concordam com a resposta eu consigo melhores resultados.
Acho que entendo porque é que o exemplo do Michael pode funcionar. A força do jPrediction não está na classificação (50% de precisão nos novos dados é como atirar uma moeda ao ar), mas no facto de não fazer uma previsão se os modelos do comité derem respostas diferentes. A estratégia de Michael só funciona porque ele não negocia em momentos de mercado tão pouco claros quando os dois modelos não podem dar a mesma resposta. Não importa qual previsão a jPredição faz, haverá 50% de erro de qualquer forma, desde que você não negocie quando a jPredição se recusa a fazer uma previsão. Em seguida, escolhe a direcção do negócio (compra/venda) com base no sequencial. Acontece que o jPredictor funciona como um detector de situações demasiado caóticas no mercado quando é melhor não negociar - aplicação muito interessante.
Eu tentei uma abordagem semelhante com os meus dados. Eu tenho mais de 2 modelos no meu comité. Eu não obtive uma resposta unânime deles, mas se eu negociar quando pelo menos 80% dos modelos concordam com a resposta, eu consigo melhores resultados de negociação.