Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2611
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
99% de probabilidade ou 0,99 sem percentagem
És um homem assustador!
Ter esse tipo de probabilidade e comunicar com meros mortais...? - que não é real...
És um homem assustador!
Ter essa possibilidade e comunicar com os meros mortais...? - isso não é real...
vá lá ;)
a questão é que não importa o quanto os comerciantes tentem, no final a maioria deles acabam por negociar contra-tendências
olhar para a distribuição dos volumes na CME, são publicados dinamicamente em linha e o comportamento do preço
que mais uma vez diz apenas uma coisa - o preço é contra a maioria
comprado - preço baixo e vice-versa.
e assim foi e assim será sempre
porque:
https://www.mql5.com/ru/forum/86386/page2605#comment_28636383
Não é uma boa ideia fazer uma estratégia baseada em informações da CME
porque.
logo que se apercebem, sabem como deitar fora a informação errada.
Já lá estive, fiz isso ;)
Acontece uma espécie de impulso, como Alexei assinalou
Melhoria a cada iteração, dada a amostragem do exame
Mas o dorso não é bom (à esquerda), mas por vezes é melhor.
Há muitas configurações, não vou explicar em detalhe. Descrevi a ideia o melhor que pude.
se esperar por 100 iterações
Acontece uma espécie de impulso, como Alexei assinalou
Melhoria a cada iteração, dada a amostragem do exame
Mas o dorso não é bom (à esquerda), mas por vezes é melhor.
Há muitas configurações, não vou explicar em detalhe. Descrevi a ideia o melhor que pude.
Basicamente, só preciso de olhar para 2 gráficos (equidade), todos em OOS puro: 1 - primeiro modelo, formado, sem quaisquer características extra, 2 - depois de todos estes procedimentos descritos. Também pode usar métricas PF, RF e winrate. E assim não é claro, qual é o efeito, uma bela curva de aprendizagem é, como eu entendo, sobre os SI?
De facto, basta olhar para dois gráficos (equidade), todos sobre OOS puro: 1 - o primeiro modelo, treinado, sem quaisquer folhos, 2 - depois de todos estes procedimentos descritos. Também pode usar métricas PF, RF e winrate. E assim não é claro, qual é o efeito, uma bela curva de aprendizagem é, como eu a entendo, sobre os SI?
primeiro terço do gráfico - novos dados, não envolvidos na aprendizagem
as imagens com 25 e 100 iterações mostram uma melhoria de 100, embora o máximo tenha sido de cerca de 70Há uma questão como esta:
São utilizados dois modelos. Um prevê comprar ou vender, o outro prevê comerciar ou não comerciar.
Primeiro o primeiro modelo é treinado, depois olhamos para onde ele prevê mal, marcamos estes exemplos como "não trocar", os outros bons como "trocar", ensinamos isto ao segundo modelo.
O primeiro modelo é testado não só na área da formação mas também na área adicional e o segundo modelo é treinado em ambas as áreas.
Repetimos isto várias vezes, reeducando ambos os modelos no mesmo conjunto de dados. Os resultados melhoram gradualmente nas amostras. Mas nem sempre na amostra de controlo.
Paralelamente, mantemos um registo de maus negócios cumulativo para todos os passes, todos os "maus" negócios para "não negociar" são recolhidos nele para treinar o segundo modelo e filtrados de acordo com um certo princípio, como quanto mais cópias de maus negócios para todos os passes, maior a possibilidade de os marcar como "não negociar".
Por exemplo, para cada data é acumulada alguma quantidade de maus negócios para todas as iterações de formação, quando este número excede um limiar (média, média), esses negócios são marcados como "não negociar". Os restantes ofícios são ignorados, caso contrário seria possível excluir todos os ofícios se houvesse muitas iterações de treino.
permite ajustar o número de negócios na saída, quanto mais baixo for, mais negócios são filtrados
... por este ponto já estou cansado de escrever ...
Como pode uma tal combinação de modelos ser melhorada de modo a melhorar os seus resultados numa nova parcela independente?
Existe alguma filosofia sobre a razão pela qual isto pode funcionar? Para além do facto de os modelos se melhorarem naturalmente uns aos outros (quedas de erro) em cada ronda de reciclagem, mas como se livrar do ajuste?
Ilustração. O gráfico está dividido em 3 partes. O último treina o primeiro modelo, o penúltimo e o último o segundo, o primeiro terço é uma amostra de exame. Naturalmente que a última secção será a melhor e a primeira a terceira a pior.
Aqui houve 15 iterações de requalificação dos dois modelos, utilizando o registo de maus negócios.
parece um Classificaton Multi-Label trivial - não devemos variar a combinação de modelos, mas a combinação de preditores -- antes de mais, a divisão dos preditores em características de acções inteligentes & de retalho... porque é claro que haverá sinais em contrário, mas os pontos de entrada OTF (para a quebra de níveis) - já é Edge para a selecção de modelos (dtf ou de acção no mercado)... imho
==========
ou sem marcação, mas apenas com LSTM com possibilidades de portas de esquecimento, para não ter de filtrar separadamente de 2 modelos... mas é tudo uma questão de gosto...
Consegui uma regressão na IBM (dados de teste de finais de 2021 - ali a cauda direita na tabela de preços está representada no comboio e na tabela de teste)... ... simplesmente por Fechar...
- ... Tenho um MA trivial - e funcionará sempre numa tendência (como quer que funcione), não num comportamento plano - inteligente & de retalho deve ser filtrado adicionalmente (e o modelo deve ser redesenhado para classificar as entradas e saídas ...)
parece um Classificaton Multi-Label trivial - não é a combinação de modelos que deve ser variada, mas a combinação de preditores - antes de mais a divisão dos preditores em características de acções inteligentes & de retalho... porque é claro que haverá sinais em contrário, mas os pontos de entrada OTF (para a quebra de níveis) - já é Edge para a selecção de modelos (dtf ou de acção no mercado)... imho
==========
ou sem marcação, mas apenas com LSTM e camadas, para não ter de filtrar separadamente de 2 modelos... mas é tudo uma questão de gosto...
Consegui uma regressão na IBM (dados de teste de finais de 2021 - ali a cauda direita na tabela de preços está representada no comboio e na tabela de teste)... ... simplesmente por Fechar... - Temos um MA trivial - e funcionará sempre numa tendência (não importa como), não em flat - o comportamento inteligente e retalhista deve ser filtrado adicionalmente (e o modelo deve ser redesenhado para classificar as entradas e saídas ...)
Não se trata de um rótulo multilingue, um significado diferente. Excluir os maus sinais iterativamente, deixar os que são bem previstos pelo modelo principal na pilha comum, e o segundo modelo aprende a separar o mau do bom, proibir ou permitir o comércio do primeiro
lstm produz sempre MA, testado há muito tempo