Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 301

 

Olá a todos!!!! Finalmente aconteceu um milagre e o meu artigo foi publicado.

https://www.mql5.com/ru/articles/2773

Секвента ДеМарка (TD SEQUENTIAL) с использованием искусственного интеллекта
Секвента ДеМарка (TD SEQUENTIAL) с использованием искусственного интеллекта
  • 2017.03.29
  • Mihail Marchukajtes
  • www.mql5.com
В этой статье я расскажу, как с помощью "скрещивания" одной очень известной стратегии и нейронной сети можно успешно заниматься трейдингом. Речь пойдет о стратегии Томаса Демарка "Секвента" с применением системы искусственного интеллекта. Работать будем ТОЛЬКО по первой части стратегии, используя сигналы "Установка" и "Пересечение".
 
Mihail Marchukajtes:

Olá a todos!!!! Finalmente, aconteceu um milagre e o meu artigo foi publicado.

https://www.mql5.com/ru/articles/2773


Óptimo!) Vamos lê-lo à nossa vontade.
 
Mihail Marchukajtes:

Olá a todos!!!! Finalmente aconteceu um milagre e o meu artigo foi publicado.

https://www.mql5.com/ru/articles/2773


foi para o artigo, obrigado )
 
Andrey Dik:
Você sabe que a história não se repete. É por isso que eles sugerem tentar o mesmo ao acaso - o resultado não será muito diferente (e talvez até melhor do que nos dados históricos).


Eu gostaria de notar que você e ofxsaber estão num ramo onde a sua declaração foi refutada de uma forma altamente profissional. Confira os materiais de Burnakov neste tópico e em seus blogs


Além disso, há uma questão fundamental que me distingue fundamentalmente do padrão nas nossas cabeças que a AT formou.

A aprendizagem de máquinas é necessariamente composta por três partes, que constituem um todo coerente. Estes são:

  • Preparação de dados brutos (datamining) - não presentes em TA
  • busca automática de padrões. Há muitos algoritmos. Em TA isto é normalmente feito manualmente por "olho como um diamante".
  • avaliação do resultado da simulação. No terminal MT, esta função é desempenhada por um testador, que só marginalmente pode substituir as ferramentas que existem dentro da estrutura por MO.

O passo mais significativo em termos do seu impacto no resultado final é o primeiro passo - a preparação dos dados brutos.

Se você usar as três etapas de forma consistente e com um entendimento do que está fazendo, eu consegui pessoalmente reduzir o erro de previsão para algumas das variáveis alvo abaixo de 30%. Consegui reduzir o erro de previsão abaixo de 40% quase imediatamente. Se você conseguir 50% ao acaso, significa que você não entende algo muito importante no MO.

 
SanSanych Fomenko:


Gostaria de salientar que você e ofxsaber estão numa linha em que a sua afirmação foi refutada profissionalmente. Dê uma olhada nos materiais de Burnakov neste tópico e em seus blogs.


Além disso, há uma questão fundamental que me distingue fundamentalmente do padrão nas nossas cabeças que a AT formou.

A aprendizagem de máquinas é necessariamente composta por três partes, que constituem um todo coerente. Estes são:

  • Preparação de dados brutos (datamining) - não presentes em TA
  • busca automática de padrões. Há muitos algoritmos. Em TA isto é normalmente feito manualmente por "olho como um diamante".
  • avaliação do resultado da simulação. No terminal MT, esta função é desempenhada por um testador, que só marginalmente pode substituir as ferramentas que existem dentro da estrutura por MO.

O passo mais significativo no seu impacto no resultado final é o primeiro passo - a preparação dos dados brutos.

Se você usar as três etapas de forma consistente e com um entendimento do que está fazendo, eu consegui pessoalmente reduzir o erro de previsão para algumas das variáveis alvo abaixo de 30%. Consegui reduzir o erro de previsão abaixo de 40% quase imediatamente. Se você conseguir um 50% ao acaso, isso significa que você não entende algo muito importante no MO.

Você se esquivou magistralmente da pergunta/sugestão, parabéns! Enquanto te lêem, esquecem-se do que estavam a pedir..... Para "algumas variáveis alvo" também tenho menos erros numa série aleatória, qual é a utilidade. As minhas experiências com os resultados estão algures no 4º fórum (esta é uma resposta a "Veja os materiais do Burnakov").
 
Maxim Dmitrievsky:

Fui mergulhar no artigo, obrigado)

Do fundo do meu coração, irmãos! A sua opinião é muito importante para mim. Depois deste artigo haverá um tratado sobre variáveis de entrada e saída, haverá filosofia, bem, e primos quando for difícil escolher....
 
SanSanych Fomenko:


Se você usar os três passos de forma consistente e com um entendimento do que você está fazendo, eu pessoalmente fui capaz de reduzir o erro de previsão para algumas das variáveis alvo abaixo de 30%. Consegui reduzir o erro de previsão abaixo de 40% quase imediatamente. Se você conseguir um 50% ao acaso, então há algo muito significativo que você não entende sobre MO.

Se você está falando de errofora da amostra, com pelo menos 100k amostras para testar em dados devidamente preparados, então os resultados são muito íngremes, "mais frios que apenas os ovos", mesmo para dados HFT, em minutos e mais, é fantástico, ou sobreajustes triviais. Em dados de baixa frequência Deus proíbe 2-3% de obter uma vantagem, o mesmo com o numerai.

É legal quando prevê a direção dos preços um segundo adiante, com precisão 65-70% (para o RI) Eu conheço esses caras, mas seus dados não são infantis e eles custam de acordo. Eu tenho 60-65% mas para os meus dados é muito legal também, eu não compro quase nada separadamente agora, eu costumava usar plaza, mas agora eu uso rápido regular e mt para obter meus dados forex.

 

Um fio interessante. Muito flubber, mas alguns pensamentos inteligentes também. Obrigado.

 
Andrei:

Um fio interessante. Muito flubber, mas alguns pensamentos inteligentes também. Obrigado.


))) O principal é a comunicação e o processo. Parece que algumas pessoas já estão a criar robôs neurais. Eu gostaria de tentar.
 
Eunão estou interessado:

Se você está falando de erro emamostras fora da amostra, com pelo menos 100k amostras para testar em dados devidamente preparados, então os resultados são muito íngremes, "mais frios que os ovos", mesmo para dados HFT, em minutos e mais é fantástico, ou sobreajustes triviais. Em dados de baixa frequência Deus proíbe 2-3% de obter uma vantagem, o mesmo com o numerai.

É legal quando prevê a direção dos preços um segundo adiante, com precisão 65-70% (para o RI) Eu conheço esses caras, mas seus dados não são infantis e eles custam de acordo. Eu tenho 60-65% mas para os meus dados é muito legal, eu não compro quase nada separadamente agora, eu costumava usar plaza, mas agora eu uso rápido regular e mt para obter meus dados forex.


Para mim, o erro de previsão não é o problema principal. Para mim o principal problema é treinar demais o modelo. Ou tenho, no entanto, provas fracas de que o modelo NÃO é requalificado, ou o modelo não é de todo necessário.

Já escrevi muitas vezes neste tópico (e outros também) sobre o diagnóstico de sobretreinamento e ferramentas para lidar com o sobretreinamento. Em resumo, é limpar os preditores de entrada a partir do ruído e o modelo em si é de importância secundária.

Tudo o resto não me interessa, pois qualquer resultado sem considerações de sobretreinamento é tão simples assim, agora, talvez amanhã, e depois de amanhã um dreno no depoimento.