Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2811
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
Вы, в частности, утверждали, что модель на выборке нельзя будет обучить - Вы ошиблись.
Será que sou o único que ouve as palavras "algo-trading" e "alcohol-trading" soarem quase idênticas?
meio que faz você se perguntar
definir data
as primeiras 10 linhas são informações de preço, se você quiser criar novos recursos, caso contrário, eles devem ser removidos do treinamento.
última linha - alvo
divida a seleção pela metade para treinamento e teste.
No Forest, sem nenhum ajuste, obtenho novos dados
Confusion Matrix and Statistics Reference Prediction -1 0 1 -1 2428 453 23 0 597 3295 696 1 14 448 2046 Overall Statistics Accuracy : 0.7769 95% CI : (0.7686, 0.785) No Information Rate : 0.4196 P-Value [Acc > NIR] : < 2.2e-16 Kappa : 0.6567 Mcnemar's Test P-Value : 2.565e-16 Statistics by Class: Class: -1 Class: 0 Class: 1 Sensitivity 0.7989 0.7853 0.7400 Specificity 0.9316 0.7772 0.9361 Pos Pred Value 0.8361 0.7182 0.8158 Neg Pred Value 0.9139 0.8335 0.9040 Prevalence 0.3039 0.4196 0.2765 Detection Rate 0.2428 0.3295 0.2046 Detection Prevalence 0.2904 0.4588 0.2508 Balanced Accuracy 0.8653 0.7812 0.8381
no HGbusta com novos chips, obtive Akurashi 0,83.
Gostaria de saber se é possível atingir 0,9 Akurasi?
?? Onde eu disse isso?
Aqui.
Aqui.
Para mim, trata-se de uma amostra específica que não foi treinada sem manipular os dados.
A filtragem de correlação é uma maneira simples de avançar com o treinamento.data marcada
Tentei, não funciona, é tudo uma questão de sinais novamente.
Se estiver interessado, estou lançando um construtor de teste de várias moedas com spread, lote primitivo e uma sugestão de abertura de posições de fechamento com lote fracionário.
Para que o testador funcione, você precisa preparar um dataframe com colunas ['open', 'spread] e também lançar uma matriz numpy de formato x (n,2) com previsões de probabilidades de compra/venda para cada nova barra no sinal. O testador funciona a partir de um loop. Abaixo está um exemplo de inicialização do uso do testador
A lógica de negociação e o lote podem ser ajustados no método transcript_sig do objeto Symbol
Os resultados do teste estão no dicionário trade_history_data, para o teste geral e trade_symbol_data de cada símbolo.
Há listas lá, se alguém quiser otimizar ou alterar algo - seja bem-vindo).
Você precisa criar algumas recompensas divertidas para capturar os padrões. Caso contrário, o sistema se resumirá ao pseudo-ótimo de qualquer ph-i
É tudo uma questão de função e crítica, um tópico interessante....
foi discutido aqui há mais de um ano, quando eu estava escrevendo algoritmos de RL.
Não quero voltar ainda, e já tenho uma certa mistura de RL + supervisionado, mudei para os esquemas do autor há muito tempo.