Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2512

 
Aleksey Vyazmikin #:

Como é isso? Estou pensando a mesma coisa sobre a busca através de uma grade, então estou interessado em uma metodologia que já foi implementada.

Às vezes, como uma muleta, ela pode puxar uma estratégia próxima a uma expectativa matemática negativa.

Eu sou sobre métricas, às vezes avaliando um modelo não pelo lucro, mas pela dinâmica das previsões corretas de classe. Essencialmente o mesmo equilíbrio, mas a mudança é fixa. A questão é que a estratégia pode ser influenciada não só pela precisão da classificação, mas também por flutuações na volatilidade do mercado, e precisamos olhar para a dinâmica da precisão da classificação sem expressão monetária.

Acabei de reunir todos os meus atributos. As variáveis de desenho foram os parâmetros de atributo, o alvo. Formei um trio de 2 indicadores + um indicador alvo e treinei-o com um katbust. Selecionei-os usando a máxima precisão de aprendizagem na amostra de teste. Filtrei trios selecionados de acordo com a possibilidade do alvo para dar sinais adequados para a negociação.

Como resultado, encontrei 5 trios de sinais + um alvo. Mas como já mostrei, 93% de precisão de previsão para um alvo que dá bom sinal para o comércio não é suficiente. A propósito, tentei treinar com conjuntos de dados sobre os trios encontrados, redes neurais totalmente conectadas de configurações diferentes, floresta aleatória e obtive +- a mesma precisão de treinamento em uma amostra de teste e os mesmos resultados de teste.

Boa ideia, obrigado, vou tentar terminá-la.

 
Aleksey Vyazmikin #:

Eu troco minutos, um mercado rápido, por isso sei que num segundo o preço pode ir mais longe do que eu tenho uma expectativa matemática.

Não sei como se pode trocar minutos... Há muito ruído lá, e aumentar a janela de média para suavizar o ruído dará um padrão mais próximo a um período de tempo maior.

Pode dar-nos uma dica, qual é o sentido de negociar em prazos de 1 minuto? Talvez eu não entenda alguma coisa?

 
iwelimorn #:

Em resumo, tudo em vão, com MO o mercado não pode ser enganado.

Encontrei os traços e o alvo, cuja distribuição de classe é mostrada na primeira figura.

A precisão dos modelos de teste e treinamento de katbust treinados com este conjunto de dados foi de 93%.

A segunda figura mostra o saldo e o gráfico de equidade do comércio alvo:

A terceira figura mostra o balanço e o gráfico de equidade da negociação sobre os sinais do modelo treinado de katbusta:

Por isso, senhoras e senhores, dispersem.

O trabalho que estás a fazer é muito próximo de mim.

Podes fazer o seguinte:

  • dividir cada característica em vários vetores em proporção ao número de classes, ou seja, se houver 2 classes, você recebe 2 vetores
  • desenhar um histograma combinado de vetores que pertencem ao mesmo preditor no mesmo eixo, na mesma figura.



 
A propósito, o aumento do gradiente comporta-se erraticamente por alguma razão. O mais provável é o excesso de treino devido à tentativa de se aperfeiçoar à custa de um aumento.
 
SanSanych Fomenko #:
A propósito, o aumento do gradiente comporta-se erraticamente por alguma razão. O mais provável é que se tenha reciclado por causa da tentativa de se aperfeiçoar à custa de um impulso.
Sim, todos eles se reeducam, temos quase uma entrada aleatória.
 
iwelimorn #:

Acabei de reunir todos os meus alvos, atributos de alvo. As variáveis de desenho foram os parâmetros de traço, o alvo. Formei um trio de 2 atributos + um atributo alvo e treinei-os com um catbust. Selecionei-os usando a máxima precisão de aprendizagem na amostra de teste. Filtrei trios selecionados de acordo com a possibilidade do alvo para dar sinais adequados para a negociação.

Como resultado, encontrei 5 trios de sinais + um alvo. Mas, como já mostrei, 93% de precisão de previsão para um alvo que dá bom sinal para o comércio não é suficiente. A propósito, tentei treinar redes neurais de ligação completa de diferentes configurações pelos trios encontrados, floresta aleatória e obtive +- a mesma precisão de treinamento em uma amostra de teste e os mesmos resultados de teste.

Tens a certeza que é correcto treinar alvos diferentes na mesma amostra? Afinal, os sinais devem ser comparáveis, por exemplo, uma inversão de tendência e entrar na tendência a partir da posição plana sugere diferentes conjuntos de indicadores para os preditores.

Há perguntas sobre o catbust:

- Você usa apenas duas amostras, não usa o exame uma de cada vez?

- Quantas árvores há no modelo?

- você usa o halting para aprender com a amostra de teste?

- Qual é a taxa de aprendizagem?

- a classe 1 é responsável pela direção de entrada, ou sinal com direção já definida?

iwelimorn #:

Boa ideia, obrigado, vou tentar finalizá-la.

De nada :) Também é útil olhar para o lucro e precisão pela distribuição de probabilidade.


iwelimorn #:

Não consigo imaginar como se pode trabalhar em minutos... Há ali uma explosão de ruído. E aumentar a janela da média para suavizar o ruído dá uma imagem próxima a um período de tempo mais longo.

Pode dar-nos uma dica, qual é o sentido de negociar em prazos de 1 minuto? Talvez eu não entenda alguma coisa?

Eu troco Si - tudo vai muito tecnicamente para lá, além de haver mais sinais para aprender.

Basicamente eu uso informações de múltiplos TFs, muitos níveis horizontais em preditores, e os minutos apenas permitem uma reação mais rápida a um evento que afeta o preço na minha mente.

 
SanSanych Fomenko #:
A propósito, o aumento do gradiente comporta-se erraticamente por alguma razão. O mais provável é que se sobretrepore por causa da tentativa de obter um ideal à custa de um impulso.

Aqui apenas fizemos uma experiência sobre este tópico, até agora com uma amostra, mas a questão é que aumentar a taxa de aprendizagem tem um efeito positivo no resultado, pois há uma generalização, que, quando não há uma resposta correta para todas as perguntas e quando a amostra não é representativa, é mais eficaz do que encaixar na história para cada exemplo.

 
Aleksey Vyazmikin #:

Essencialmente uso informação de múltiplos TFs, muitos níveis horizontais em preditores,

Como se usam os níveis horizontais? A distância do preço actual até à centena, 500, 1000? mais próxima.

 
elibrarius #:

Como se usam os níveis horizontais? Distância desde o preço até à centena, 500, 1000?

Eu tento não usar pontos - Eu uso percentagens. Se eu tiver uma grelha para o dia (digamos ATR) coloco nela preditores e preço aberto da barra actual, por isso sei onde o preço é relativo ao nível, de preferência marcar os eventos da passagem de nível, há quanto tempo foi...

 
elibrarius #:
Estão todos sobre-treinados, somos quase aleatórios na entrada.

Covariância e correlação ainda estão lá... (parece ser aleatório).

Talvez não saibamos a quantos componentes básicos devemos ater-nos na prática, algumas regras de polegar se aplicam.

Afinal de contas, é apenas

O que é modelagem preditiva: A modelagem preditiva é um processo probabilístico que nos permite prever resultados com base em certos preditores. Estes preditores são basicamente as funções que entram em jogo na determinação do resultado final, ou seja, o resultado do modelo.

É uma questão de gosto pessoal, que preditores e rótulos escolhemos e que algoritmo usamos... - se considerarmos inicialmente o sistema mais amplo do que o Bull/Bear/Hold-on final ...

é por isso que a descrição das possibilidades de simulação por

Maxim Dmitrievsky

vale sempre o seu peso em ouro!

1. Primeiro é definida a área de pesquisa: empiricamente ou com base em suposições, são feitos testes estatísticos. Depois é seleccionado um algoritmo MO,

opção 2.

2. Pesquisar estratégia através de qualquer classificador, analisar a sua estrutura interna (importância das características, valores de shap e diferentes métricas).

- Só "na esperança"..."por algum polinómio"... + captando transformações de dados úteis (independentemente do MO) é realmente uma Arte!...! Não podem ser iguais ao analisar quaisquer dados (como alguns "gurels" aqui) - pelo menos na programação linear e quadrática ambas as funções são diferentes e os resultados são diferentes e a sua Interpretação!


Введение в уменьшение размерности | Портал информатики для гиков
  • 2019.12.30
  • espressocode.top
Машинное обучение. Как обсуждалось в этой статье , машинное обучение — это не что иное, как область обучения, которая позволяет компьютерам «учиться», как люди, без необходимости явного программирования. Что такое прогнозирующее моделирование: прогнозирующее моделирование — это вероятностный процесс, который позволяет нам прогнозировать...