Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 106
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
VENDER COMPRAR Interpretação
-1 0 vender
0 0 cerca
0 1 compra
-1 1 vedação
Aqui está a mesa de interruptores. Você pode ver a partir dele que os sinais surgem quando os sinais da grade estão lá e não se contradizem.
Obrigado! Então, como no meu classificador ternário - inconsistência de dois classificadores binários - sente-se na cerca.
Acontece que chegamos à mesma solução em paralelo: um ternário pode ser montado a partir de dois classificadores binários. Isto é mais fácil de implementar do que um ternário de três saídas, porque com um ternário de três saídas não é claro como interpretar as diferenças, porque todas as saídas devem ser mutuamente exclusivas, e na verdade isto nem sempre acontece.
E as nossas conclusões também são as mesmas: um ternário de dois binários tem uma generalizabilidade maior do que os binários individuais.
Obrigado! Então, como o meu classificador ternário - a inconsistência dos dois classificadores binários está sentada na cerca.
Acontece que chegamos à mesma solução em paralelo: um ternário pode ser montado a partir de dois classificadores binários. Isto é mais fácil de implementar do que um ternário de três saídas, porque com um ternário de três saídas não é claro como interpretar desacordos, uma vez que todas as saídas devem ser mutuamente exclusivas, o que na verdade nem sempre é o caso.
Na verdade, adicionar duas classes binárias a um ternário não equivale a um ternário.
Ao adicionar uma terceira classe você fica como uma contradição de duas classes. E se o ternário original? Por exemplo, em termos de um ziguezague, como é que é? O fora do mercado é um lado em ziguezague? Isto é, uma variável alvo completamente diferente da sua.
Com estas explicações, parece plausível. E quão raros são os padrões que você troca? Digamos, se houver exemplos de treinamento com as classes"posição de compraaberta " e "fechar todas as negociações", qual seria a relação percentual dessas classes? Vamos supor que a classe de compra corresponde a um forte movimento de preços em centenas de pontos para cima, ou seja, a quantidade de classe de compra é cerca de 10% de todos os exemplos de treino?
Eu não aplico sinais de "fechar". A Neuronics só sabe como entrar no mercado, enquanto o sistema de trading decide como sair. Isto é melhor do que aplicar este mesmo TS apenas a sinais aleatórios em geral.
No quarto fórum que escrevi anteriormente, estou profundamente convencido de que para sistemas de aprendizagem de neurónios e máquinas semelhantes apenas os TSs com acção limitada no tempo dos sinais de negociação são suficientemente bons. Inicialmente, há contradições insuperáveis para os neurônios (comprar ou vender com a expectativa de um futuro infinito igualmente e sem vantagem uns sobre os outros), então para os neurônios eu não permito decidir quando fechar negócios.
Eu não aplico sinais de "fechar". Os neurónios só sabem como entrar no mercado, enquanto o sistema de negociação decide como sair. Isto é melhor do que aplicar este mesmo TS apenas a sinais aleatórios em geral.
No quarto fórum que escrevi anteriormente, estou profundamente convencido de que para sistemas de aprendizagem de neurónios e máquinas semelhantes apenas os TSs com acção limitada no tempo dos sinais de negociação são suficientemente bons. Inicialmente, há contradições insuperáveis para os neurônios (comprar ou vender com a expectativa de um futuro infinito igualmente e sem vantagem uns sobre os outros), então para os neurônios eu não permito decidir quando fechar negócios.
O teu posto fez-me feliz.
Eu tenho pregado aqui que considerar algoritmos de aprendizagem de máquinas fora de um sistema de negociação é um exercício oco. És o primeiro a dizer o mesmo.
Você tem que dançar a partir do sistema de negociação e usar modelos de aprendizagem de máquina para tentar melhorar os parâmetros do sistema de negociação REAL. Eu inseri o rf e reduzi o levantamento de crédito. Na verdade o TS real tem muito mais características do que a compra/venda.
1) Existe uma rede que pode ser treinada se receber dados que não eram previamente conhecidos. Você pode estar interessado em ler sobre ela. A rede é chamada SOINNhttps://www.google.com.ua/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=soinn
2) Estou cansado de escrever sobre isso, além disso, praticamente provei que o mercado vai contra as suas próprias estatísticas e até expliquei a mecânica, porque acontece e todos os estudos na forma clássica não podem ser aplicados a ele, mas ninguém está interessado, todos fazem o mesmo.
1. Obrigado, eu vou ler. ver p2.
2. o problema da mudança de padrões ao longo do tempo não é resolúvel, na minha opinião, mesmo com o Pré-Aprendizagem, pois não só é preciso adicionar novos padrões à base de conhecimentos, como também é preciso encontrar os que mudaram e se eles mudaram de alguma forma... Esta é uma tarefa muito difícil e aparentemente intransponível. É uma seção da IA, do pensamento, da inteligência, é como aprender a tabela de multiplicação e ser capaz de aplicar a matemática a todas as tarefas, mesmo as novas não convencionais e não familiares. É uma seção do pensamento capaz de fazer descobertas, ou seja, capaz de gerar informações e conhecimentos úteis de forma independente. Mas, aplicações inteligentes da neurônica não são proibidas e são possíveis, é claro: eu acho que é simplesmente da seção de estatística e cálculo de probabilidade, estatística para lembrar e probabilidade para fazer backup. Uma combinação bem sucedida de estatísticas e cálculo de probabilidades daria ao mo mais espalhamento, talvez até mesmo ser, pelo menos todas as esperanças são para isso só.
O teu posto fez-me feliz.
Eu tenho pregado aqui que considerar algoritmos de aprendizagem de máquinas fora da estrutura de um sistema de negociação é um exercício oco. Você é o primeiro a fazer uma observação semelhante.
Você tem que dançar a partir do sistema de negociação e usar modelos de aprendizagem de máquina para tentar melhorar os parâmetros do sistema de negociação REAL. Eu inseri o rf e reduzi o levantamento de crédito. Na verdade o TS real tem muito mais características do que comprar/vender.
Fico contente por estar satisfeito.
Surpreendido que a aprendizagem de máquinas possa ser considerada por qualquer pessoa, isolada de qualquer TS em particular...
Para forex também é possível, mas é preciso o mesmo esforço.
Sim, mas não sobre a configuração da neurônica.
Obrigado! Então, como o meu classificador ternário - a inconsistência dos dois classificadores binários está sentada na cerca.
Acontece que chegamos à mesma solução em paralelo: um ternário pode ser montado a partir de dois classificadores binários. Isto é mais fácil de implementar do que um ternário de três saídas, porque com um ternário de três saídas não é claro como interpretar as diferenças, porque todas as saídas devem ser mutuamente exclusivas, e na verdade isto nem sempre acontece.
De nada).
Bem, sim. Um simples ternário não tem esse efeito maravilhoso de reduzir o número de negócios enquanto reduz o reconhecimento do mercado (além da dificuldade de interpretar sinais). Mas é através do ternarnik que eu cheguei a este ponto (reconheci verbalmente a palavra aqui).
2. o problema da mudança de padrões ao longo do tempo não é resolúvel, na minha opinião, mesmo com o Pré-Aprendizagem, porque não só precisamos de adicionar novos padrões à base de conhecimentos, como também precisamos de encontrar os que mudaram e se eles mudaram de todo...
A questão da pré-aprendizagem está bem ilustrada em
Exemplo.
Colocação de um modelo sobre uma amostra de 5000 barras. O próprio modelo dá um gráfico que mostra como o erro muda à medida que o número de árvores cresce, e a árvore é o padrão. Nos meus palpiteiros é possível usar 100 árvores. Eu levo 300 para cometer um erro completamente correcto. Começo a encaixar (não aplicando) em uma amostra de 20.000 barras. O surpreendente é que o gráfico de erro não mudou! O número de árvores permaneceu o mesmo. Ou seja, as variantes de padrões já estavam esgotadas nas primeiras 5000 barras.
Mas o mais desagradável é que isto não resolve o problema. E o problema é um problema de requalificação do modelo, ou seja, alguns detalhes são tirados e árvores são construídas sobre eles.
Qual é o problema?
O problema são os preditores, não o modelo.
Eu sei como medir o poder preditivo dos preditores. Portanto, não só tenho de descartar os preditores que não têm capacidade de previsão (preditores de ruído), como a capacidade de previsão tem de ser estacionária. Eu não fui capaz de encontrar tais preditores. E o problema permanece.
De nada).
Bem, sim. Um simples ternário não tem esse efeito maravilhoso de reduzir o número de negócios enquanto reduz o reconhecimento do mercado (além da dificuldade de interpretar sinais). Mas é através do ternário que eu cheguei a este ponto (reconheci verbalmente a palavra aqui).
Ternário significa que pode assumir três estados mutuamente exclusivos. Outro nome para ele é ternário.
Uma grade com três saídas, cada binário, pode produzir 8 estados mutuamente exclusivos dos quais apenas três são interpretados sem ambigüidade como um ternário. E os 5 estados restantes não estão claros como interpretá-los?