Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 144

 

Tenho pensado em formas alternativas de alimentação de preços para a rede, notei que quase todos os comerciantes de sucesso comercializam níveis, esses levam em conta não só a série de valores de preços recentes, mas também aquela fatia do gráfico que estava no passado com os mesmos preços

Em

Se pensarmos bem, quem terá feito algo semelhante, gostaria de discutir isso...

Pus esta abordagem em espera por agora, mas acho-a promissora...

Eu mudei minha atenção para coisas mais simples, pensei que poderia tentar considerar preços passados de alguma outra forma, mesmo que não completamente, e comprimir informações sobre preços, estou falando do perfil de preços (ou perfil de volume), você pode realmente pensar em várias centenas de barras em um histograma, então nós consideramos muitos preços passados e os comprimimos ao mesmo tempo... Sou um programador iniciante e ainda não consigo perceber o perfil, por isso peguei uma forma simples, apenas peguei na distribuição e construí-a no segmento de preço, o que não é um perfil de mercado? ;)

PRICE <- cumsum(rnorm(300))+1000
layout(1:2)
plot(PRICE,t="l",ylab = "цена" , xlab = "индексы",lwd=2)
Max <- max(PRICE)
Min <- min(PRICE)
range.vector <- seq(Min, Max, length.out=50)
H <- hist(PRICE, breaks = range.vector,
          xlab = "все цены которые есть в етом участке", 
          ylab = "сколько раз график был на одной и той же цене",col = 5)


de

Há uma espécie de esperança de que a rede compreenda esta distribuição (perfil) melhor do que o preço bruto, porque este perfil pode dizer que leva em conta todas as negociações que aconteceram ao calcular o número de vezes que o gráfico atinge um preço, e as negociações são teoricamente niveladas ... Temos de verificar... Está feito :) graças aoD.trader pela sua ajuda na análise da distribuição

Peguei numa fatia de 200 valores de preço na janela deslizante, escalei-a, centralizei-a, depois distribuí-a e alimentei-a à RF

resultados

H$breaks

contas de H$

e os últimos 5 valores do corte a partir do qual eu fiz a distribuição, para que o algoritmo possa se orientar para o último valor relativo aos valores de H$breaks e H$contos porque todos os preços já foram rateados

Gráfico de 5 minutos, alvo como sempre, inversões

O resultado não é tão bom... às vezes a rede não sabe o que fazer...

Em

Às vezes entra lindamente, a qualidade das entradas é super

aa

e o que é interessante, não há nenhuma drenagem de depoimentos nos novos dados

vvvvv


não ajustei nada, simplesmente treinei o modelo e verifiquei o resultado

Se estiveres interessado podes tentar fazer algum treino com os teus alvos, talvez consigas algo útil juntos.

Obrigado pela dica ;)

 
Há muitos problemas nesta abordagem que são intratáveis ou resolúveis, mas que não dão uma boa aprendizagem.

No mínimo, a não-estacionariedade da distribuição do quociente bruto.
 
Alexey Burnakov:
Há muitos problemas nesta abordagem que são insolúveis ou insolúveis, mas que não dão um bom aprendizado.

No mínimo, a não-estacionariedade da distribuição de cotier bruto.
Bem, para não programar o perfil de mercado eu simplesmente o substituí por uma distribuição, ou seja, distribuição normal e suas propriedades não são consideradas aqui ou eu não entendo o comentário? :)
 
mytarmailS:
Bem, eu meio que substituí o perfil do mercado por uma distribuição, essas distribuições normais e suas propriedades não são levadas em conta aqui, ou eu não entendo o comentário? :)
Não, não o fizeste.

Não devemos fazer 960, 970, ...
Mas leve-o a uma forma estacionária, por exemplo, contando a diferença em relação ao último preço. Seria -10, -5, 0, 5, ... 50. Caso contrário, você terá uma média num segmento e uma completamente diferente no outro. 900 em um, 600 no outro. Nada vai funcionar fora da amostra.
 
Alexey Burnakov:
Não entendido.

Não são 960, 970, ...

960, 970, ... -- Se eu tivesse marcado os preços como -2 a 2, não seria muito claro.

 
mytarmailS:

960, 970, ... -- Se eu tivesse mostrado os preços no exemplo na foto como -2 a 2 não teria sido completamente claro.

Mas se não há referência ao último preço, então a máquina não entende onde está a sua média. Se você subtrair todos os preços do último preço, então a média será zero e a posição dessa média em relação ao preço é fixa.
 
Alexey Burnakov:
OK, mas se não houver referência ao último preço, não é claro para a máquina onde está a sua média. Se todos os preços forem subtraídos do último preço, a média será zero e a posição desta média é fixa em relação ao preço.
Há um link:)

Destacado em azul negrito no meu post

 
mytarmailS:
Há uma ligação:)

Destacado em azul negrito no meu post

Bem, isso é óptimo. A ideia é interessante em geral!

Mas não há informação dinâmica suficiente para completar a curva de aprendizagem. A máquina não entende o que foi antes e o que foi depois nesta alocação. Precisamos de adicionar mais entradas.
 
Alexey Burnakov:
Muito bem. Uma ideia interessante em geral!

Mas não há informação dinâmica suficiente para completar a curva de aprendizagem. A máquina não entende o que foi antes e o que foi depois nesta alocação. Precisamos de adicionar mais entradas.

Como se resolve isto? Alimento não uma fatia da distribuição, mas uma série de várias fatias ao mesmo tempo?

Eu tenho um modelo de RF que na figura com parâmetros ntree = 20 , mtry = 5 .

Se eu definir ntree =100 então o modelo não faz um único negócio com os novos dados, então ele se retrai

=============================================

Tenho que descobrir como resolver o problema de fazer com que a rede veja os gráficos passados aos mesmos preços

Isto é o que a rede vê agora

dd

a área azul é o que se vê pela rede, as barras azuis representam a distribuição de preços nesta área e embora a rede veja muitos, 200 castiçais, ela não vê o principal , aqueles gráficos que estavam antes aos mesmos preços

L

Parece-me que esta é a informação chave

E a rede não sabe nada sobre isso.

 
mytarmailS:


Ainda precisamos descobrir como resolver o problema da rede vendo gráficos que estavam no passado com os mesmos preços


Isto é um grande problema. É algo que é quase impossível de resolver sem prejudicar a aprendizagem.

A questão aqui é que quanto mais se olha para o passado, mais dependentes são as observações vizinhas.

Se você alimentar a máquina com observações não especificadas, você perde o mais importante - o requisito de independência das observações. Depois disso, a aprendizagem será drasticamente inadequada. E as estatísticas não funcionam.

E para evitar isso, você terá que afinar as observações para que o atraso do olhar para trás seja menor ou igual ao passo das observações de afinamento. E isto levaria a quê? Redução de cem vezes o tamanho da amostra de treinamento.

Há um compromisso a ser feito aqui. Profundidade do olhar vs. número de exemplos na amostra.