Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 895
![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
Qual foi o humor nisso? Que a outra palavra está fora do lugar, nem sequer um homónimo?
Não estás a perceber... Não há sentido em explicar.
No segundo artigo, a genética e enumeração de um conjunto de parâmetros são substituídos por um único vector de valores (entradas florestais, preditores), e as saídas são seleccionadas com base no número máximo de trocas rentáveis. É possível introduzir outros critérios, corrigindo a função de recompensa (incluindo DD, Sharp Ratio, o que você quiser).
O algoritmo otimiza qualquer estratégia com muito alta qualidade em apenas alguns passos no otimizador (geralmente 5) (em oposição à GA e, ainda mais, à força bruta). No exemplo dado no artigo, esses são segundos. Além disso, o aumento do número de preditores não aumenta significativamente o número de passagens de optimização. Eu recomendo testar para sua Liga de Estratégias em outro tópico. Além disso, você pode criar algoritmos de otimização ainda mais eficientes para a Liga, com base na abordagem proposta. O otimizador regular pode ser descartado como obsoleto, especialmente sem validação cruzada (wolf-forward), e perde (pelo menos) em velocidade várias vezes, e em qualidade não é melhor. Se substituirmos floresta por NS por kfold, obtemos análogo de wolf-forward, e muito rápido. Mas até agora as mãos ainda não chegaram a ele.
A informação mútua é uma medida de entropia entre a variável alvo e os preditores, a mesma que você mostrou na figura como uma tabela de importância do preditor. Mas você pode simplesmente usar a eliminação recursiva de recursos em lasas, e ficar atento a erros. Se for tão necessário classificar e remover os preditores não-informativos. (google decifrar)
upd
Depois de ler o artigo eu tenho mais perguntas do que respostas, nem todo código é claro, mas entendi que preciso reescrever completamente TC para implementar esta abordagem descrita no artigo. Obviamente, ainda não cheguei ao nível em que o artigo foi escrito.
Afinal, você pode construir sua própria árvore no Deductor Studio nos modos manual e semi-automático, o que realmente me fascinou! No entanto, o processo é trabalhoso e carece de arrastar e soltar na interface, mas trabalhar com dados neste modo permite que você veja melhor os padrões. Verdadeira falta de oportunidade para mudar a regra, ou seja, se a amostra diz que é 1 então para zero não pode mudar, e eu teria movido parte das regras para zero tanto sobre a raridade de cair fora, como sobre a credibilidade e olhar de uma só vez as estatísticas, e então todos têm que fazer através do processamento de scripts. Talvez existam outros programas similares com tais características, mas onde você pode construir nós em uma árvore à mão mais rapidamente?
Aí vêm os primeiros erros... OK, vamos definir então o momento em que a marca atravessa de baixo para cima para comprar, de cima para baixo para vender. Mas só num bar. Deixamos apenas o momento de cruzar a marca 50. Espero que isto aconteça dentro de um bar?
Na verdade, de acordo com a sua regra, uma vez que o preço atinge 50% de baixo para cima, atinge simultaneamente o nível abaixo. Assim, será suficiente cruzar a marca dos 50% de baixo para cima para comprar. Pelo contrário, pelo contrário.... O que achas deste plano?
Trabalhar na abertura de um novo bar. A entrada não é tão importante, no meu sistema, a eliminação do lixo é feita por estatísticas, não considero isso um erro. Esta travessia não dará nada de grande, exceto que diminuirá a frequência de geração de sinais, mas a qualidade do sinal também diminuirá.
Para acrescentar. Por que você precisa de um sinal constante? Acho que o momento mais adequado para a análise é quando o sinal muda de compra para venda, se for constante. Acho que o tempo de mudança de sinal é limitado a 1 barra. Pense sobre isso. Porque devo analisar tudo no sinal de compra, se o principal é abrir a posição. Isto é, o principal é o momento da mudança do sinal. Pode estar marcado.
É errado estar no mercado o tempo todo - os riscos são demasiado elevados.
Trabalhar na abertura de um novo bar. O input não é tão importante, no meu sistema, o lixo é eliminado pelas estatísticas, não acho que seja um erro. A travessia não fará nada, excepto reduzir a frequência de geração de sinal para a entrada, mas a sua qualidade também diminuirá.
É um erro - é errado estar no mercado o tempo todo - riscos excessivos.
Bem, você disse que tem um sinal constante. Lamento, mas vejo um mal-entendido, por isso mal posso ajudá-lo... Demasiado mal-entendido....
Bem, você disse que tinha um sinal constante. Desculpe, mas consigo ver o mal-entendido, por isso acho que não o posso ajudar... É um grande mal-entendido....
Eu expliquei que a decisão é realmente tomada pela cascata do filtro. Tudo o que eu quero do MO é identificar secções dos mercados onde alguns dos filtros valem a pena e onde não valem. Preciso de simplificar o que já está a funcionar e não esperar por um milagre de uma caixa negra.
Eu expliquei que a decisão é realmente tomada pela cascata do filtro. Tudo o que eu quero do MoD é identificar partes dos mercados onde alguns dos filtros valem a pena e onde não valem a pena. Preciso de racionalizar o que já está a funcionar, não esperar por um milagre da caixa negra.
A tomada de decisão deve ser transferida inteiramente para a NS, em vez de filtros, então faz sentido. Aqui uma simples pergunta de sim ou não custa muitos recursos, e você quer que os NS identifiquem quais partes do mercado usar quais filtros. Eu acho que é muito complicado. Pode ser feito, mas é mais fácil construir estupidamente o modelo certo em vez dos seus filtros de lá. IMHO !!!!
Depois de ler o artigo tenho mais perguntas do que respostas, nem todo o código é claro, mas entendi que preciso reescrever todo o TS para implementar a abordagem descrita no artigo. Obviamente, ainda não cheguei ao nível em que o artigo foi escrito.
Afinal, você pode construir sua própria árvore no Deductor Studio nos modos manual e semi-automático, o que realmente me fascinou! No entanto, o processo é trabalhoso e carece de arrastar e soltar na interface, mas trabalhar com dados neste modo permite que você veja melhor os padrões. Verdadeira falta de oportunidade para mudar a regra, ou seja, se a amostra diz que é 1 então para zero não pode mudar, e eu teria movido parte das regras para zero tanto sobre a raridade de cair para fora, como sobre a credibilidade e olhar de uma só vez as estatísticas, e então todos têm que fazer através do processamento de scripts. Talvez existam outros programas similares com tais capacidades, mas onde você pode construir nós mais rapidamente à mão na árvore?
Não, nunca o fiz.
Eu não entendo porque é necessário, porque, por exemplo, uma floresta é um classificador universal ou aproximador, e não há nada para consertar à mão.
enquanto árvores solteiras são algoritmos bastante fracos e primitivos.
Se você mesmo não for capaz de resolver tais problemas, encontre-me o módulo VisSim NeuralNet e eu lhe mostrarei como fazê-lo.
Artem, os mais humildes cumprimentos e respeito. Atrás de mim - um modelo de trabalho do meu TS com exemplos. Vou mandá-lo este fim-de-semana. Olha para ele, se não gostas, deita-o fora.
Como vamos fazer isso, se não nos disseres nada. Conte-nos sobre os últimos desenvolvimentos. Em detalhe, com exemplos.
Para quê? Eu digo-te uma coisa. O Doc ajudou-me a transferir os modelos do R para o MT e deixe-me dizer-lhe que esses modelos funcionam exactamente da mesma forma que os da Reshetov no OOS. Exactamente o mesmo. Por isso, os modelos R são de confiança. É tudo sobre a alimentação de dados... Tudo igual....