Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3084
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
Olá a todos. Estou tentando treinar Expert Advisors retirados de uma grande série de artigos sobre redes neurais neste site. Tenho a impressão de que eles não são treináveis. Tentei fazer perguntas ao autor nos artigos, mas infelizmente ele não as responde de forma prática...(
Portanto, uma pergunta aos membros do fórum: por favor, diga-me quanto devo treinar uma rede neural para que ela comece a dar algum resultado (não aleatório)?
Tentei todos os EAs, desde o artigo 27 até o último, e o resultado é o mesmo: aleatório. Passei de 300 para 1000 épocas de treinamento, conforme indicado pelo autor. Se o Expert Advisor estiver apenas com iterações, fiz de 100.000 a 20.000.000 iterações e assim por diante, 2-3 abordagens, ainda aleatórias.
Quanto deve ser treinado? Qual é o tamanho de uma amostra de treinamento suficiente (se ela for pré-criada)?
PS: Informações simples sobre redes neurais no google read, em geral as redes neurais são familiares. Todos escrevem cerca de 100-200 épocas e já deve haver um resultado (em fotos, figuras, classificações).
Você não tem nenhum resultado na amostra para treinamento?
O ciclo desses artigos não é uma solução pronta para uso - ninguém revelará o que há de mais valioso no aprendizado de máquina - os preditores. Portanto, antes de tentar os métodos propostos ali, você precisa desenvolver um conjunto de preditores que possam descrever o comportamento dos preços.
Olá a todos. Estou tentando treinar Expert Advisors retirados de uma grande série de artigos sobre redes neurais neste site. Tenho a impressão de que eles não são treináveis. Tentei fazer perguntas ao autor nos artigos, mas infelizmente ele não as responde de forma prática...(
Portanto, uma pergunta aos membros do fórum: por favor, diga-me quanto devo treinar uma rede neural para que ela comece a dar algum resultado (não aleatório)?
Tentei todos os EAs, desde o artigo 27 até o último, e o resultado é o mesmo: aleatório. Passei de 300 para 1000 épocas de treinamento, conforme indicado pelo autor. Se o Expert Advisor estiver apenas com iterações, fiz de 100.000 a 20.000.000 iterações e assim por diante, 2-3 abordagens, ainda aleatórias.
Quanto deve ser treinado? Qual é o tamanho de uma amostra de treinamento suficiente (se ela for pré-criada)?
PS: Informações simples sobre redes neurais no google read, em geral as redes neurais são familiares. Todos escrevem cerca de 100-200 épocas e já deve haver um resultado (em fotos, figuras, classificações).
E onde está escrito que elas não devem fornecer um resultado aleatório? :) a abundância de artigos idênticos já sugere uma direção errada.
O aprendizado por reforço não foi projetado para essas tarefas, o campo de aplicação é bem diferente. Você pode brincar com ele.Sim,
mas o grande número com os mesmos valores me faz questionar a qualidade geral dos dados.
Exemplo: seq = ([5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5]) = [5,5,5,5,5,5,5,5,5][5]; [5,5,5,5,5,5,5,5,5][5]; [5,5,5,5,5,5,5,5,5][5] ....
Não vejo sentido em alimentar o modelo com esses dados de treinamento;
Portanto, ainda estou filtrando todos os dados que não são exclusivos.
Posso estar errado, mas me parece errado também alimentar o modelo com os seguintes dados de treinamento:
[1,2,3,4,5] [5];
[1,2,3,4,5] [6];
[1,2,3,4,5] [7];
[1,2,3,4,5] [8];
...
Isso é um monte de besteira
Você também não tem um resultado na amostra de treinamento?
A série desses artigos não é uma solução pronta para uso imediato - ninguém revelará o que há de mais valioso no aprendizado de máquina - os preditores. Portanto, antes de tentar os métodos propostos ali, você precisa desenvolver um conjunto de preditores que possam descrever o comportamento dos preços.
onde está escrito que eles não devem fornecer resultados aleatórios? :) a abundância de artigos idênticos já sugere uma direção errada.
O aprendizado por reforço não foi projetado para essas tarefas, o campo de aplicação é bem diferente. Você pode brincar com ele.Ele também não funciona na amostra de treinamento. Simplesmente não funciona em lugar nenhum. E o que são preditores nesse caso? O autor descreve a obtenção de parâmetros do gráfico na forma de candlesticks, tempo e 4 indicadores. O modelo de rede neural também está lá.
Se ele não funcionar na amostra de treinamento, provavelmente o problema está do seu lado. As redes neurais levam muito tempo para serem treinadas - não são como os modelos de árvore.
Os preditores podem ser qualquer coisa, qualquer fator que afete o preço com um resultado probabilístico estável, sim, como uma opção - indicadores.
Bem, o autor tinha alguns erros no código (críticos para cartões que não são da Intel) - algumas versões das regras a pedido das pessoas.Se ele também não funcionar na amostra de treinamento, provavelmente há um problema do seu lado. As redes neurais levam muito tempo para serem treinadas, não como os modelos de árvore.
Os preditores podem ser qualquer coisa, qualquer fator que afete o preço com um resultado probabilístico estável, sim, como uma opção - indicadores.
Bem, o autor tinha alguns erros no código (críticos para cartões que não são da Intel) - algumas versões das regras a pedido das pessoas.Bem, eu tenho os artigos mais recentes (do GoExplore em diante) e do 27 ao 35 parecem compilar e executar normalmente. Não funcionou o 36-38, que está no testador treinado. Tenho uma placa de vídeo Nvidia GTX 660 ti.
Qual poderia ser o problema do meu lado? Meu sovtnik compila, executa, o processo de aprendizado (erro e progresso no gráfico) continua. E qual é o valor da dívida? O autor dos artigos também escreve muito, é necessário repetir iterações de coleta de exemplos e treinamento, mas em nenhum lugar ele escreve pelo menos números aproximados. Por exemplo, treinei 500 épocas e os primeiros negócios começaram a ser negativos. Bem, pelo menos alguma especificidade nos números. Caso contrário, não fica nada claro: ou eu ensino muito e algo está errado, ou não ensinei o suficiente e é muito cedo para esperar algo.
O autor fornece um gráfico e estatísticas do testador de estratégia no final de cada artigo. Bem, se as estatísticas forem fictícias, então sim....
Há testes muito modestos para um curto período de tempo, não é possível tirar conclusões inequívocas a partir deles. Se não funcionar nem mesmo em um programa de treinamento, isso significa que eles cometeram muitos erros :) A abordagem em si é inadequada, pois o processo desse treinamento é difícil de controlar. E se você encontrar a função de controle correta (recompensas), não precisará mais dela.
.
Tentei treinar EAs a partir desse ciclo usando métodos genéticos e evolutivos (artigos 30 e 31). O autor tem 1.000 épocas nos parâmetros. A população é de 50 indivíduos por época, pelo que entendi. O melhor resultado é exibido no registro durante o treinamento. Portanto, para 200 épocas, esse melhor resultado não foi alterado em relação ao inicial. Também coloquei a população de 100 indivíduos e treinei cerca de 150 épocas. O efeito é o mesmo. Portanto, desisti desse método e passei a usar outros mais novos.
É uma completa perda de tempo perder tempo com qualquer modelo novo, especialmente os complexos.
O ideal para RF é um modelo simples e muito claro. Você pode usar mais dois ou três modelos de modelos antigos e bem testados, se planeja obter o resultado final por meio de um conjunto de modelos (oferece cerca de 5% de redução de erro).
Meu ceticismo é explicado de forma muito simples: nosso principal inimigo NÃO é a estacionariedade dos mercados financeiros, ou seja, o teorema do limite e todas as estatísticas baseadas nele - diferentes correlações, dispersões e assim por diante - não funcionam. A propósito, e estimativas como RMSE.
É por isso que você precisa começar com o pré-processamento (datamining). Sem obter um conjunto de preditores com uma conexão suficientemente estável com o alvo (professor), é inútil falar sobre qualquer coisa. É a qualidade dessa conexão que determina o erro de previsão e sua estabilidade em diferentes partes das citações. O modelo não tem nada a ver com isso. Se, com a RF, você obtiver aproximadamente o mesmo erro de previsão "dentro da amostra" e "fora da amostra", inferior a 20%, poderá tentar o mesmo conjunto de preditores e tentar reduzir o erro de previsão por meio de modelos mais avançados, conjunto de modelos..., mas é um percentual pequeno, para o qual não faz sentido gastar tempo em outra coisa que não seja a RF.
Há mais uma condição: a prova matemática da estabilidade da conexão dos preditores com o alvo, ou seja, a estacionariedade da conexão dos preditores com o alvo com a obtenção da variância da conexão dos preditores com o alvo e a prova de pelo menos sua estabilidade aproximada no sentido de GARCH.
E diferentes "épocas" e séculos de testes - nada, você está se preocupando muito, parece estar no assunto, mas está correndo no lugar.