Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2958
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
Vou explicar com meus dedos. Em ONNX.Price.Prediction.mq5, você obtém 10 OHLC. Em seguida, com base nesses dados , você determina a média e o desvio padrão e normaliza esses 10 valores com eles. Isso não está certo.
Para esses novos dados, você deve usar a média e o sd obtidos no conjunto de treinamento. Ou seja, no script anterior. Está claro?
Claro que sim. Não tem problema. Esse modelo foi feito muito rapidamente. Apenas como um exemplo.
Precisávamos verificar a exatidão da inferência em MQL5 muito rapidamente.
E, é claro, verificamos a eficácia da previsão nos dados atuais. Cerca de 52%. Escrevi um script de verificação na sexta-feira com comentários detalhados sobre os detalhes técnicos. Rashid escreveu um Expert Advisor com base nesse modelo para ser executado no testador. Aparentemente, ele ainda não foi publicado
É claro que eu percebi isso. Mas será que as pessoas que estão usando o exemplo entenderam?
52% de eficiência. Elas deveriam entender.
MAE=0,0005
Esse problema é resolvido com o uso de uma função de perda apropriada ao treinar modelos MO. Há dois problemas associados a isso. O primeiro é técnico - as funções de perda padrão nos pacotes MO estão relacionadas à maximização do lucro apenas indiretamente, o que leva à necessidade de criar funções personalizadas. Isso é bastante difícil de fazer - você precisa ter um bom entendimento dos pacotes MO no nível do código. Se esse problema for resolvido, então o segundo problema matemático poderá aparecer, quando a função de perda personalizada não for boa para treinar o modelo.
Se alguém resolver um problema tão difícil, é improvável que compartilhe a solução.
Aparentemente, vale a pena ler sobre as funções de perda. Se eu entendi corretamente, isso acontece, por exemplo, em um mercado em que só é possível comprar a função de perda:
soma da diferença entre os preços de compra e venda, para os casos em que: "preço de compra" - "preço de venda" < 0.
Nesse caso, obtemos uma soma com um valor negativo, ou seja, ela deve tender a 0 ou ao máximo. Para que ela tenda ao mínimo antes da soma das diferenças, precisamos colocar um sinal de menos.
Quanto ao fato de que alguém que tenha resolvido um problema tão difícil não compartilhará a solução, eu não contava com isso, só queria entender como maximizar o lucro ou ver um exemplo de pelo menos algum modelo (não importa se é lucrativo ou não, apenas para entender a estrutura geral).
Portanto, com certeza, acho que as funções de perda personalizadas geralmente são ruins para o treinamento de um modelo porque essa não é a parte principal dele.
Otimize sua estratégia (se estiver com preguiça de fazer outra marcação) pelo critério de lucro máximo e, em seguida, treine com essa TS. Ou pegue qualquer TS lucrativa do mercado. O mesmo treinamento com um professor.
Eu não diria que tenho preguiça de fazer outras marcações, tento diferentes variantes e, como não sou especialista em aprendizado de máquina, quando alguma ideia vem à minha cabeça, tento encontrar pelo menos algumas variantes de exemplos com tentativas de alcançar o resultado.
Quando tentei criar uma variante paramétrica da solução com seus próprios valores de indicadores, descobri que há tantas variantes do conjunto de valores de indicadores que, com o poder de computação atual, a seleção de parâmetros será realizada em quase 10 anos)
Fiquei surpreso quando li a frase "tirar qualquer TS lucrativa do mercado". Eu nem sequer considerei essa opção, pois pensei que eles não existiam.
Já compartilhei tantas vezes que, em algum momento, fiquei cansado disso.....
Nem todo mundo estava familiarizado com o aprendizado de máquina anos atrás. Se suas postagens forem relidas, as discussões deverão ser encontradas no mesmo tópico/ramo?
Aparentemente, vale a pena tentar dar sentido a todas as 3.000 páginas do tópico enquanto ele ainda está crescendo.
Aparentemente, você deve tentar entender todas as 3.000 páginas do tópico antes que ele cresça.
É melhor entender os artigos de Vladimir Perervenko e Maxim Dmitrievsky. Você gastará seu tempo de forma mais útil. A maior parte do fórum é água.
Entenda melhor os artigos de Vladimir Perervenko e Maxim Dmitrievsky. Você gastará seu tempo de forma mais útil. A maior parte do fórum é água.
Obrigado a você!
Nem todo mundo estava familiarizado com o aprendizado de máquina anos atrás. Se suas postagens forem relidas, as discussões deverão ser encontradas no mesmo tópico/ramo?
Aparentemente, vale a pena tentar dar sentido a todas as 3.000 páginas do tópico enquanto ele ainda está crescendo.
Seu problema é um problema de otimização, buscando parâmetros desconhecidos
Este é o ÚNICO artigo de que você precisa para estudar https://www.mql5.com/ru/articles/2225.
Se você quiser ensinar o AMO a maximizar o lucro e minimizar o drawdown:
você precisa
1) criar uma função de adequação, uma função que contará os lucros e as perdas dos sinais de negociação.
2) qualquer algoritmo AMO que gere sinais para negociação, para a função de aptidão (p.1)
3) qualquer algoritmo de otimização (genético, enxame de partículas, churn) - que gerará sinais como alvos para o AMO (item 2).
O algoritmo é o seguinte
1) O AO cria um alvo para o AMO
2) O AMO aprende sobre esse direcionamento
3) O AMO cria uma previsão de sinais de negociação
4) os sinais de negociação são avaliados pelo FF e produzem um resultado
5) o resultado do FF é avaliado pelo AO e maximizado/minimizado ainda mais e assim por diante em um círculo até que se obtenha um resultado aceitável.
==========
AO - algoritmo de otimização
AMO - algoritmo de aprendizado de máquina
FF - função de adequação
=========
ps. se quiser trabalhar com o neuronka e não com qualquer AMO, você pode alterar os pesos usando as ferramentas AO, sem aprender a segmentação.
Seu problema é um problema de otimização, buscando parâmetros desconhecidos.
Aqui está o ÚNICO artigo que você precisa para estudar https://www.mql5.com/ru/articles/2225
se você quiser ensinar a rede a maximizar o lucro e minimizar o rebaixamento:
você precisa
1) criar uma função de aptidão, uma função que contará os lucros e as perdas dos sinais de negociação.
2) qualquer algoritmo MO que gere sinais para negociação, para a função de aptidão (p.1)
3) qualquer algoritmo de otimização (genético, enxame de partículas, churn) - que gerará sinais como alvos para o AMO (p.2).
algoritmo como este
1) AO cria um alvo para o AMO
AO - algoritmo de otimização
AMO - algoritmo de aprendizado de máquina
FF - função de adequação
Você pode me dar algum exemplo de um AO? Eu tinha a impressão de que encontrar um professor é um trabalho parcial e que se presta à automação.