Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 987

 
SanSanych Fomenko:

Como aperitivo.

Uma execução do mesmo Expert Advisor com as mesmas configurações que as acima, mas com um intervalo de tempo maior.


Esse é o valor de todas essas lindas fotos.


A imagem deve provar a idéia cujo significado é APENAS sobre o comportamento futuro do Expert Advisor.

Sanych, não tires conclusões precipitadas, estragaste alguma coisa.

O número de transações durante o período de teste mais longo foi menor.

 
Yuriy Asaulenko:

É por isso que uso o meu testador em vez do MT - por alguma razão ele tem muitos grãos. Pelo menos com o seu testador, você sabe exactamente o que está a fazer e como o está a fazer. Sim, e a informação do teste pode obter muito mais e qualquer, e mais fácil.

Eu acho que não é muito bom escrever essas coisas no fórum MT, considerando que o backtester em MT é um dos principais problemas para fixar as pessoas ao mql e todo o terminal, além disso, o seu testador não está correto.

 
Renat Akhtyamov:

Sanych, não tires conclusões precipitadas, estragaste alguma coisa.

O número de negócios por um período de tempo mais longo é menor.

Já o corri mais duas vezes: o gráfico é semelhante, mas os números são um pouco diferentes.

 
SanSanych Fomenko:

Correu-o mais duas vezes: o gráfico é semelhante, mas os números são ligeiramente diferentes.

Conclusão

Tomar a decisão de comprar ou vender ao acaso não vai proporcionar um lucro estável

 

Encontrei um problema com a classificação:
Por exemplo, se 2 colunas = 0, então tentar fazer um softmax delas dá classes aleatórias:
m=matrix(0,ncol=2,nrow=100)
max.col(m)
[1] 1 2 2 2 2 1 2 1 2 2 2 2 1 1 1 2 1 1 2 2 1 2 1 1 2 2 2 2 1 1 2 2 1 2 2 1 2 1 1 1 1 2 1 2 1 1 1 2 1 2 1 1 2
[54] 2 2 1 2 2 1 1 2 2 2 2 1 1 1 1 1 2 2 2 2 2 1 2 2 2 2 2 2 2 1 2 2 2 1 2 1 2 2 2 1 1 1 2 1 2 1 1
Está em R.

Atravessou por acidente quando se descobriu que a previsão resultava tudo = 0.

É melhor fazê-lo (caso a 1ª coluna signifique "expectativa" e não o comando comercial)

max.col(m,ties.method = "first") # por defeito ties.method = "random"

[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

>

Melhor ainda, se as classes têm o mesmo valor, então se recusam a classificar. E, por via das dúvidas, é melhor fazê-lo linha a linha.

 
elibrarius:

Encontrei um problema com a classificação:
Por exemplo, se 2 colunas = 0, tentar fazer um softmax delas dá classes aleatórias:
m=matrix(0,ncol=2,nrow=100)
max.col(m)
[1] 1 2 2 2 2 1 2 1 2 2 2 2 1 1 1 2 1 1 2 2 1 2 1 1 2 2 2 2 1 1 2 2 1 2 2 1 2 1 1 1 1 2 1 2 1 1 1 2 1 2 1 1 2

Está em R.

Atravessou por acidente quando se descobriu que a previsão resultava tudo = 0.

É melhor fazê-lo (caso a 1ª coluna signifique "expectativa" e não o comando comercial)

max.col(m,ties.method = "first") # por defeito ties.method = "random"

[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

>

Melhor ainda, se as classes têm o mesmo valor, então se recusam a classificar. E, por via das dúvidas, é melhor fazê-lo linha a linha.

Tarde

O problema pode não aparecer se os dados estiverem preparados correctamente. Quando e em que cálculos é que teve este problema? Eu me pergunto. Ou é uma condição criada artificialmente?

Boa sorte.

 
Vladimir Perervenko:

Tarde

O problema não pode aparecer quando os dados são preparados corretamente. Quando e com que cálculos você conseguiu este problema? Eu me pergunto. Ou é uma condição criada artificialmente?

Boa sorte.

Eu tentei diferentes preditores e me deparei que NS não aprendeu nada e deu todos os zeros na saída. E devido à aleatoriedade na conversão, as previsões não eram nulas.
Como SanSanych disse: lixo na entrada = lixo na saída. Foram adicionados zeros, que depois foram cancelados.
Bem, eu fiz um ajuste para mim para que os zeros permaneçam zeros, para casos semelhantes no futuro.
 
elibrarius:
Os prognósticos são diferentes, então eu me deparei que NS não aprendeu nada e deu todos os zeros na saída. E as previsões devidas à aleatoriedade durante a conversão revelaram-se não nulas.
Como SanSanych disse: lixo na entrada = lixo na saída. Também acrescentei zeros, que depois foram aleatorizados.
Bem, eu fiz uma correção para mim para que os zeros permaneçam zeros, para casos semelhantes no futuro.

Estou a ver. Boa sorte.

 

Perguntas de um recém-chegado. Por favor, aconselhe sobre como aplicar a aprendizagem da máquina. Por exemplo, um comerciante encontrou algum padrão no mercado. Suponha que seja um padrão de GP (cabeça e ombros). Opções:

  1. Mãos negociadas e tem uma história de negócios rentáveis e perdedores.
  2. Este padrão foi encontrado no histórico nos gráficos e pode marcar pontos de entrada/saída.
Posso utilizar esta história/estatística para a aprendizagem de máquinas nas variantes 1 e 2? Como é que isto pode ser feito? Aproximadamente quantos negócios são necessários para o treinamento (mínimo/máximo)? O algoritmo irá reconhecer padrões apenas na TF em que foi treinado? O algoritmo MO irá "entender" que as negociações do trader foram feitas no padrão do GP, e se ele "entende" como? Quantas barras do histórico antes da abertura da posição serão analisadas pelo MO?

 
Grigori.S.B:

Perguntas de um recém-chegado. Por favor, aconselhe sobre como aplicar a aprendizagem da máquina. Por exemplo, um comerciante encontrou algum padrão no mercado. Suponha que seja um padrão de GP (cabeça e ombros). Opções:

  1. Mãos negociadas e tem uma história de negócios rentáveis e perdedores.
  2. Este padrão foi encontrado no histórico nos gráficos e pode marcar pontos de entrada/saída.
Posso utilizar esta história/estatística para a aprendizagem de máquinas nas variantes 1 e 2? Como é que isto pode ser feito? Aproximadamente quantos negócios são necessários para o treinamento (mínimo/máximo)? O algoritmo irá reconhecer padrões apenas na TF em que foi treinado? O algoritmo MO irá "entender" que as negociações do trader foram feitas no padrão do GP, e se ele "entende" como? Quantas barras no fundo da história antes da abertura da posição o MO irá analisar?

A aprendizagem da máquina é baseada em sinais (padrões/características) que irão distinguir o evento. Assim, você precisa especificar o que você deve olhar, e o algoritmo MO tentará encontrar alguns padrões no que é mostrado e definir as regras de conduta. Por isso, todas as respostas a todas as outras perguntas vêm a partir daqui. E, portanto, quanto mais observações, mais precisas serão as regras sobre um período mais longo da história.