Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 238
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
Fiz agora uma seleção adequada dos parâmetros do modelo, treinado, previsto, agora tenho 0,69102. Com o último conjunto de dados era 0,69121, esta semana é melhor, mas é devido ao acaso, o modelo é essencialmente o mesmo. Na próxima semana vai me jogar de novo para +-0.0002 em algum lugar.
Para mim este é o limite por enquanto, o meu modelo é treinado em 21 preditores iniciais sem nenhum truque. Para forex, por exemplo, eu descarrego diferentes indicadores do terminal e seleciono seus parâmetros. Ou seja, recebo milhares de indicadores de 4 preditores (ohlc), e depois penetro-os, deixando apenas trinta peças e ensino o modelo.
Enviei-lhes outro ficheiro com todas as previsões=0,5, pontuação = 0,69315, podes usá-lo para comparação.Idealmente, eu deveria, de alguma forma, fazer milhares destes 21 numerai preditores e peneirar coisas desnecessárias. Mas os indicadores estão trabalhando com linhas ohlc, mas não com linhas tão uniformemente espaçadas, eu deveria pensar em como gerar mais novas a partir deles.
Não....
Estou a ver, então vou parar de desarrumar o fio.
Vou ter de descobrir como gerar mais novos a partir deles.
Fiz agora uma seleção adequada dos parâmetros do modelo, treinado, previsto, agora tenho 0,69102. Com o último conjunto de dados era 0,69121...
e eu perdi tudo, é pior, 0,69120 no mínimo em RF, tentei o MLP mas não está a funcionar de todo.
SZS olhe aqui esfregar os posts em algum tipo de algoritmo estranho((
Eu não sei o que fazer com eles, mas todos eles sabem). E todos acabam da mesma maneira. É normal + e o fórum tem sido um bazar há muito tempo. E a experiência pode ser feita.
Mais ainda porque também tem aspectos positivos. Basta ver como as árvores são construídas sobre os randoms e a PA. Como vai ficar o modelo
Em diferentes randoms. E por aí fora e assim por diante. Eu costumava colocar tanto mei como astroinduki nas grades há dez anos atrás, e os dados da maré em diferentes portos do mundo, e os caminhos migratórios de
de animais, etc., que uma pessoa normal não pensaria). Escreve e usa o que quiseres, mas não tires conclusões precipitadas.
#Gerar observações aleatórias, pelo menos 10K
write.csv2(x, file = "D:/1.csv", row.names = FALSO, quote = FALSO) #write to file 1.csv on disk D:/
-----------
Que janela))) A propósito, este quelônios é inútil, mas há momentos interessantes. Por exemplo, a forma como os concorrentes carregam os dados de calibração,
o que nos permite especular sobre o pré-processamento dos dados utilizados pelos autores da tarefa...
Forrest já se foi há muito tempo, foi apenas nos dois primeiros posts, depois escrevi que comecei a seleccionar padrões "à minha maneira" da forma que descrevi quando procurava bons clusters - também conhecidos como padrões...
Eu prendo o padrão.
Este é um coonen treinado
você alimenta-o com os últimos 10 valores medianos de preço
MD <- preço médio
MD <- escala(MD,T,T) # normalizar assim
library(SOMbrero) # executar o pacote com o coonen
MD[is.na(MD)] <- 0 # substituir possíveis NAs
pred <- predict(modelo,MD) predict cluster
se o aglomerado for o número 41 (pred==41)então é uma compra, pare de tomar a gosto...
Experimente, talvez funcione para si.
Pensando mas não consigo pensar em nenhum)) Quem tem alguma ideia?
temos duas configurações de velas
A partir da imagem fica claro que de fato o padrão do castiçal é o mesmo, a diferença está na volatilidade, como podemos trazer matematicamente esses dois padrões para o mesmo padrão?
Você pode dizer sim, devemos normalizá-lo, mas o ponto zero muda, e isso é importante ...
como na fotografia.
Só para explicar, imagine que queremos saber a cor dos candelabros atuais, anteriores e anteriores, o que fazemos:
closee-open , close[-1]-open[-1] , close[-2]-open[-2]
Obtemos um gráfico como imagem "1", tudo é claro e direto, tudo acima de zero é uma vela branca, tudo abaixo de zero é uma vela preta.
Agora vamos resolver o problema da volatilidade (o que apareceu no primeiro gráfico). Precisamos normalizar o gráfico em um determinado intervalo, como mostrado na Figura "2" , mas após a normalização obtemos um novo eixo zero que não contém nenhuma informação.
Como normalizar os dados para que "zero seja justo" e o problema da volatilidade seja resolvido? o que estás a pensar?
como normalizar os dados para que tanto o "zero seja justo" como o problema da volatilidade sejam eliminados? o que estás a pensar?
Fi-lo desta maneira...
No total você tem 8 pontos no gráfico - O(0), H(0), L(0), C(0), O(1), H(1), L(1), C(1)
Além disso, a estes pontos O(0), H(0), L(0), C(0), O(1), H(1), L(1), C(1) podem ser atribuídos valores de série 1,2,3,4,5,6,7,8
OHLC - aberto, alto, baixo, fechado
(0) e (1) - número de barras
Estes pontos podem ser dispostos em ordem decrescente de preço no gráfico, do mais alto para o mais baixo - H(0), H(1), O(0), C(1), L(0), C(0), O(1), L(1)
E agora H(0), H(1), O(0), C(1), O(0), L(0), O(1), L(1) pode ser transformado em um vetor (2, 6, 1, 8, 3, 4, 1, 7), e pode ser normalizado para 0-1, se necessário.
E vai acontecer que ambas as parcelas terão o mesmo "padrão" (2, 6, 1, 8, 3, 4, 1, 7), que descreve a ordem em que esses pontos descem na parcela
Infelizmente não fui capaz de espremer nenhum benefício disto. Com apenas 2 velas, podem existir 40320 padrões. Três velas = (4*3)! = 479001600 padrões, etc. Realisticamente será menos, porque por exemplo H é sempre mais do que O,H,L na mesma vela; e C é menos. Mas o número de padrões ainda é enorme.
Ou seja, a qualquer configuração de castiçais pode ser atribuído um vector de números, e usá-lo para detectar configurações semelhantes no futuro. Mas o número de configurações possíveis obtidas desta forma é tão grande que provavelmente é impossível encontrar algum padrão gráfico após o qual o preço irá sempre para cima/para baixo. Na estratégia "Bill Williams' Fractals", por exemplo, o padrão consiste em 5 velas e apenas um par de combinações de todos os bilhões possíveis são negociadas.
Aqui está um pouco mais claro na foto, por exemplo, para 3 castiçais.
Não obrigado))) Eu só sugeri os randoms de máquinas diferentes...
Você não entende a idéia, eu posso gerar ruído e eu mesmo algumas vezes e não preciso empurrá-lo em máquinas diferentes)
A essência da ideia é esta.
Estou treinando o MO para reversões e não há tantas reversões na história das aspas... As citações movem-se em ondas (ondas) e, de facto, se pensarmos nisso o número de variantes para reversão é bastante certo, são mutações diferentes de cabeça e ombros, topos duplos, topos triplos, etc.E estes números aparecem não porque tenham alguma influência mítica no mercado, mas porque as próprias variantes da inversão são finitas em movimentos de onda, seja assim ou assim, ou nada mais, e de facto se construirmos um gráfico do mercado ou do Random cumulativo, ou algo parecido com a estrutura de onda, veremos que as inversões acontecem com os mesmos números, as mesmas cabeças e ombros estarão no Random...
Então aqui, naquele artigo que foi lançado por D. Trader, o autor nos disse que é possível gerar alguma amostragem semelhante para a rede, além da amostragem que já temos e por isso aumentamos a base de conhecimento da rede e assim aumentar a precisão da rede.
Como não há muitas reversões no mercado, descobri que posso obter uma infinita base de conhecimento de reversões através da randomização cumulativa...
Vês? Não estou à procura de nenhum poder mítico que possa prever o mercado ))))) E ao testar esta teoria obtive o resultado, que publiquei, pois acho que o resultado é otimista.
Como normalizar os dados para tornar zero justo e eliminar o problema da volatilidade?
Foi assim que eu o fiz -
Obrigado, eu vou tentar....
Fi-lo desta forma...........
Se bem entendi, o método é muito rude...
Vamos pegar o padrão mais simples de vela única
Temos três padrões.
todos eles se encaixam em um padrão lógico
O<H , O<C , O>L
H>O , H>C , H>L
C>O , C>L , C<H
L<O , L<C , L<H
Se bem entendi, o seu método classifica os três castiçais como um padrão, e isso não é bom.
como normalizar os dados para que tanto o "zero é justo" como o problema da volatilidade sejam eliminados?%?
como é que calculou exactamente a diferença?
por exemplo, a diferença entre alto e baixo
a = elevado
b = Fechar
(a*100)/b so ?
eu não poderia fazer assim, a rede é um inferno, até as cores dos candelabros são confusas.
Se bem entendi, o método é muito rude.