Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1495

 

Testei o indicador fractional.mq5. Os resultados não foram significativamente melhores do que os obtidos com os retornados. Resultados irrealisticamente bons usando a série de indicadores RVI[i] = iRVI(NULL, 0, 14, MODE_MAIN, i+1) - iRVI(NULL, 0, 14, MODE_MAIN, i+2). O gráfico de crescimento da equidade é mostrado na imagem abaixo. Estes resultados foram obtidos na área de observação mas o surpreendente é que a aprendizagem ocorre sem um professor. Agora resta verificar o seu desempenho no testador. Deu uma olhada e chegou à conclusão de que o ldhmm é um pacote HMM mais completo com muitas funções auxiliares úteis para a análise de séries de tempos financeiros.

 
Ilya Antipin:

Verifiquei o indicador fractional.mq5. Os resultados não são muito melhores do que aqueles obtidos com os retornados. Resultados incrivelmente bons na amostra de treino utilizando a série de indicadores RVI[i] = iRVI(NULL, 0, 14, MODE_MAIN, i+1) - iRVI(NULL, 0, 14, MODE_MAIN, i+2). Estes resultados foram obtidos no domínio observacional, mas o que é surpreendente é que a aprendizagem acontece sem um professor. Agora resta verificar o seu desempenho no testador. Deu uma olhada e chegou à conclusão de que o ldhmm é um pacote HMM mais completo com muitas funções auxiliares úteis para a análise de séries de tempos financeiros.

Óptimo, gostava de ter mais algum exemplo de oos, senão é um wild card.

que parâmetros fracionários você usou? tentou reduzir para 0,1, por exemplo? e treshhold 1e-05 é ótimo.

na verdade, não são muito diferentes :) o primeiro é mais sensível


 
Maxim Dmitrievsky:

Óptimo, quem me dera ter uma amostra ou algo assim, podia ser um passeio selvagem.

e que parâmetro fracionário usou? diminuiu-o para 0,1, por exemplo? e o treshhold 1e-05 é ótimo?

Sim, tentei mudar de grau e de treshhold. A frequência do sinal em todas as configurações era baixa. Agora vou ver o que mostra em ldhmm.

 

Estou lançando um indicador mq4 no pacote ldhmm.


Arquivos anexados:
RLDHMM.zip  125 kb
 

E ninguém tentou nada nos meus dados(( mas muitas coisas vazias foram escritas nele(

Ilya Antipin:

Seria ótimo se você também afixasse o código no P

 
mytarmailS:

E ninguém tentou nada com os meus dados(( mas foram anotadas tantas coisas vazias(

Seria ótimo se você também pudesse postar o código P

Ainda não tenho tempo, baixei alguma literatura sobre circuitos, mas ainda não a li.

Olhe para o código fonte

+ que tipo de conjunto de dados tens aí, alguns números. Não sei porque devo fixar o meu modelo a alguns dígitos estranhos.

 
mytarmailS:

Não seria ótimo se você também pudesse postar o código P?

Há um indicador com o código em anexo. O código não é realmente penteado e arcaico, mas funciona.

 
Maxim Dmitrievsky:

+ que tipo de conjunto de dados você tem aí, alguns números.

Eles estão calculando um evento que explica (e prevê) quase todas as reversões no mercado, se você comparar o conjunto de dados com o preço que é claramente visível, mas ninguém fez isso, mas há muitos retardados que começaram a escrever todo tipo de bobagem como - "sim uma média móvel é melhor",

"é tudo uma espreitadela ao futuro" sim....

Maxim Dmitrievsky:

Qual é o interesse de ajustar o modelo a números incompreensíveis?

Quem lhe pediu para ajustar alguma coisa? Tudo o que lhe pedi foi para fazer o mesmo que fiz num pacote diferente, por exemplo com python. Leva 4 minutos e 4 linhas de código.

Mas você começou a ler algo, aprender alguma teoria, escrever sobre isso e comunicar.

Como resultado, você escreveu toneladas de páginas e esqueceu o que lhe foi pedido para fazer) e foi-lhe pedido para passar4 minutos em 4 linhas de código

É uma pena...

Vladimir Perervenko:

Há um indicador com o código em anexo. O código não é realmente penteado e arcaico, mas funciona.

Eu não sei µl, eu tentei descobrir, mas há muita confusão, seria melhor se você apenas colocasse o código e R, há apenas algumas linhas de código e tudo ficaria claro, o que é onde e onde.
 
mytarmailS:

O cálculo de algum evento que explica (e prevê) quase todas as inversões do mercado, se compararmos o conjunto de dados com o preço é claramente visível, mas ninguém o fez, mas houve um monte de retardatários que começaram a escrever todo o tipo de disparates como - "sim uma média móvel é melhor",

"É tudo uma espreitadela ao futuro." Sim....

Quem lhe pediu para ajustar alguma coisa? Tudo o que eu pedi foi para fazer a mesma coisa que fiz num pacote diferente, por exemplo com python. É um exercício de 4 minutos com 4 linhas de código.

Mas você começou a ler algo, aprender alguma teoria, escrever sobre isso e comunicar.

Como resultado, você escreveu toneladas de páginas e esqueceu o que lhe foi pedido para fazer) e foi-lhe pedido para passar4 minutos em 4 linhas de código

o que é uma vergonha...

Eu não sei µl, eu tentei descobrir, mas há muita confusão, seria melhor se você apenas colocasse o código e R, há apenas algumas linhas de código e tudo ficaria claro, o que é onde e onde.

porque mesmo esse pacote Python não funciona assim, você tem que inserir matrizes de probabilidade de transição, matrizes de médias e outras coisas. Onde é que os arranjas? Não percebo como funciona na mosca, por isso tenho de ler o algoritmo todo

e você realmente tem duas linhas de código lá dentro...

e de qualquer forma, só para que você entenda, os modelos de espaço de estado estão divididos em processo de markov e processo de decisão de markov. Já trabalhei com o segundo, e o primeiro é o teu caso. E também há subespécies de algoritmos lá.

Asaiulenka está sempre a arder.

 
Maxim Dmitrievsky:

e tens mesmo duas linhas de código lá dentro.

Bem, mais ou menos falando, sim, aqui está o artigo de onde foi tirada a base de tudohttp://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of-4/.

E aqui está um trecho de código do exemplo do artigo.

Se você remover o processamento e visualização de dados, o código tem três linhas.

Hidden Markov Models – Examples In R – Part 3 of 4
Hidden Markov Models – Examples In R – Part 3 of 4
  • 2014.09.07
  • GekkoQuant
  • gekkoquant.com
This post will explore how to train hidden markov models in R. The previous posts in this series detailed the maths that power the HMM, fortunately all of this has been implemented for us in the RHmm package. HMMs can be used in two ways for regime detection, the first is to use a single HMM where each state in the HMM is considered a “regime”...