Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 27
![MQL5 - Linguagem para estratégias de negociação inseridas no terminal do cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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!
Tenho uma ideia, quero verificar, mas não conheço a ferramenta para a implementar... Preciso de um algoritmo que possa prever para alguns pontos à frente, digamos para 3 ou 5 (de preferência uma rede neural)
Olá!
Tenho uma ideia, quero verificar, mas não conheço a ferramenta para a implementar... Preciso de um algoritmo capaz de prever para alguns pontos à frente, digamos para 3 ou 5 (de preferência uma rede neural)
Já trabalhei apenas com classificações antes, por isso nem sequer entendo como deve ser, aconselhar alguém a fazê-lo ou recomendar um pacote em R
p.s. Grande artigo Alexey
Estes são pacotes que extrapolam as tendências existentes, tais como a previsão. As diferentes estrias são muito interessantes.
Parece bastante sólido.
Então, nenhum resultado útil?
Quando corri o algoritmo pela primeira vez, em uma pequena quantidade de dados iniciais, não houve resultado positivo, recebi cerca de 50% de erro tanto com o pca y-aware quanto com o pca simples. Agora eu tenho um conjunto mais completo de dados do mt5 - quase todos os indicadores padrão com todos os seus buffers, alguns indicadores são repetidos várias vezes com parâmetros diferentes. Eu criei Expert Advisors para alguns indicadores e os usei para otimizar os parâmetros dos indicadores para uma negociação mais lucrativa. Em tais dados o pca simples ainda comete 50% de erro, mas com o y-aware erro na frente cai visivelmente para 40%. É interessante que o algoritmo y-aware simplesmente toma os dados brutos, e faz um classificador que funciona corretamente em 6 de cada 10 casos. Conclusão - você precisa de mais dados brutos.
Mas é aqui que todos os pontos bons param. Você precisa de 73 componentes padrão para uma precisão de 95%. As cargas de previsão nos componentes flutuam de cima para baixo, sem líderes claros. Ou seja, não há qualquer indicação através da qual certos preditores possam ser seleccionados. O modelo funciona de alguma forma, mas não está claro o que fazer com ele para melhorar os resultados ou como tirar dele a utilidade do preditor.
A importância do componente:
carregamentos de preditores para os 5 primeiros componentes:
![](https://c.mql5.com/3/99/w5rtdgcnqardg__1.png)
ARIMA
Mas arima toma decisões por séries cronológicas e eu preciso do modelo para tomar decisões a partir do meu conjunto de dados, ou seja, matriz com previsões e produzir uma previsão para várias barras à frente
Ninguém o impedirá de treinar uma rede neural com vários neurónios de saída - cada um para um horizonte de planeamento diferente. Ao mesmo tempo, será interessante observar os resultados.
Quando corri o algoritmo pela primeira vez, em uma pequena quantidade de dados iniciais, não houve resultado positivo, recebi cerca de 50% de erro tanto com o pca y-aware quanto com o pca simples. Agora eu tenho um conjunto mais completo de dados do mt5 - quase todos os indicadores padrão com todos os seus buffers, alguns indicadores são repetidos várias vezes com parâmetros diferentes. Eu criei Expert Advisors para alguns indicadores e os usei para otimizar os parâmetros dos indicadores para uma negociação mais lucrativa. Em tais dados o pca simples ainda comete 50% de erro, mas com o y-aware erro na frente cai visivelmente para 40%. É interessante que o algoritmo y-aware simplesmente toma os dados brutos, e faz um classificador que funciona corretamente em 6 de cada 10 casos. Conclusão - você precisa de mais dados brutos.
Mas é aqui que todos os pontos bons param. Você precisa de 73 componentes padrão para uma precisão de 95%. As cargas de previsão nos componentes flutuam de cima para baixo, sem líderes claros. Ou seja, não há qualquer indicação através da qual certos preditores possam ser seleccionados. O modelo funciona de alguma forma, mas não está claro o que fazer com ele para melhorar os resultados ou como tirar dele a utilidade do preditor.
importância dos componentes:
Carregamento de preditores nos primeiros 5 componentes:
já fez isso, a rede neural não aprende em um horizonte maior com o objetivo que eu defini
É bom que não tenha aprendido, porque estás a aprender com o barulho. Mas se o fizesse, seria um graal e estaria em verdadeira....
Aqui ocupado a tentar eliminar o barulho. É por isso que aceitamos tantos palpiteiros na esperança de que algo permaneça.