Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2105

Novo comentário
 
Vladimir Perervenko:

A função fitness calcula o valor do critério de optimização durante o processo de optimização. Não tem nada a ver com o treino de modelos.

Mas na regressão temos o alvo em forma de vetor numérico e tentamos aproximá-lo por vetor do modelo, aqueles que minimizam o erro (que também é otimização) ? ou busca de pesos corretos dos neurônios

Bem, aqui está o que estou fazendo agora, estou criando um modelo fora de harmônicas, de fato

 
mytarmailS:

Adicionei uma nova função de cálculo de saldo à função de fitness, tendo em conta a comissão...

está a piorar em termos de aprendizagem, ......

talvez uma validação devesse ser adicionada, para mantê-lo clássico.

 
Maxim Dmitrievsky:

precisamos de poupar o catbust multiclasse na metaq para adicionar "no trading".

a gama de estratégias vai aumentar.

Seria fantástico se o fizesses!

 
Aleksey Vyazmikin:

Seria óptimo se o fizesses!

você pode usar 2 modelos de orientação diferente

 
Maxim Dmitrievsky:

precisamos de poupar o catbust multiclasse na metaq para adicionar "no trading".

a gama de estratégias vai aumentar.

Ao marcá-lo, aqui.

....
rand = random.randint(min, max)
        if dataset['close'][i] >= (dataset['close'][i + rand]):
            labels.append(1.0)
        elif dataset['close'][i] <= (dataset['close'][i + rand]):
            labels.append(0.0)              
        else:
            labels.append(0.0)
.....

mudar para, por exemplo

rand = random.randint(min, max)
        if dataset['close'][i] - (dataset['close'][i + rand])>= 2*spred:
            labels.append(-1.0)
        elif dataset['close'][i] - (dataset['close'][i + rand])<= -2*spred:
            labels.append(1.0)              
        else:
            labels.append(0.0)

Isto é, com um delta menor do que algum valor, na cerca.

 
mytarmailS:

Mas na mesma regressão temos o alvo na forma de um vector numérico e tentamos aproximá-lo por um vector do modelo, aqueles que minimizam o erro (esses também são optimização) ? ou procurar os pesos correctos dos neurónios

O que estou a fazer agora é essencialmente criar um modelo a partir de harmónicos.

Claro que é otimização, mas essa otimização é feita por um modelo de regressão.

 
mytarmailS:

Adicionei um novo cálculo de balanço e função de comissão à função fitness...

Acho que o algoritmo está agora a tentar minimizar o número de negócios para poupar comissão... como resultado, menos negócios resultam em menos experiência...

Aqui estão os gráficos, você pode ver claramente que quando há poucos ofícios em treinamento, aprender não está funcionando...

cinza é TRAIN 1500 pips

o preto é o TESTE 500 pontos

Tive muito poucos negócios aqui, o algo não aprendeu nada, é muito baixa frequência...


Seria legal conhecer os pontos de entrada com 2 dias de antecedência ))

Mas provavelmente é melhor reciclar o tempo todo, ainda não sei como testar tudo isso.

Como assim?

Onde está o código para sintetizar a curva geral? Acho que já o vi, mas não o consigo encontrar agora.

 
Vladimir Perervenko:

Claro que a optimização, mas esta optimização é feita pelo modelo de regressão.

então eu não entendo((( por que a função fitness não pode ser construída lá dentro?

 
mytarmailS:

Então eu não entendo(((( porque é que a diversão do fitness não pode ser construída lá dentro então?

Em que parte?

 
Vladimir Perervenko:

Onde está o código de síntese da curva sumária? Acho que já o vi, mas não o consigo encontrar agora.

Eu apaguei-o, pensei que ninguém estava interessado, posso enviar-lhe o código, mas preciso de o traduzir para uma forma legível.

A propósito, enfrentei a instabilidade do método de recozimento, nem sei como trabalhar com ele, os resultados são muito instáveis, os parâmetros saltam muito...


Cheguei a isto.

Primeiro inicializo aleatoriamente o ponto de partida,

então quando uma solução é encontrada eu salvo-a.

e depois começo a arder de novo com os parâmetros de arranque da solução encontrada, etc...

1...209820992100210121022103210421052106210721082109211021112112...3399
Novo comentário