Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2630

 
mytarmailS #:

кароч , если взять стратегию пересечения двух машек , и не давать прямой признак пересечения в модельку.

То довольно не плохо распознает, я даже удивлен, но это же примитивнейшый алгоритм..

синим оригинальный сигнал, красный предикт


А если без нормализаций то вообще 

Ну и норм, надо с отчётами разобраться, как их парсить и попробовать простые ТС подделать по ним типа твоих МАшек, да. Пока занят маленько, но темка прикольная
 
mytarmailS #:

кароч , если взять стратегию пересечения двух машек , и не давать прямой признак пересечения в модельку.

То довольно не плохо распознает, я даже удивлен, но это же примитивнейшый алгоритм..

синим оригинальный сигнал, красный предикт


А если без нормализаций то вообще 

Вы не можете заранее знать что, эксперт МА использует и какие периоды. Или любые другие индикаторы используются.
Попробуйте обучать модель  не на МАшках (X), а на сырых котировках (x) например на 100 барах (вы же не знаете периоды МА из черного ящика, а можете только угадывать, сколько бар могло быть использовано).

Ну а У тот который выдает ваш исследуемый эксперт.

 
elibrarius #:

Вы не можете заранее знать что, эксперт МА использует и какие периоды. Или любые другие индикаторы используются.

не говори мне что Я могу , а что нет, говори "я не знаю как ты можешь это сделать" , так будет чесно

 
elibrarius #:


Попробуйте обучать модель  не на МАшках (X), а на сырых котировках (x)

на сырых тоже не плохо

 Reference
Prediction   0   1
         0  72   2
         1   5 121
                                          
               Accuracy : 0.965           
                 95% CI : (0.9292, 0.9858)
    No Information Rate : 0.615           
    P-Value [Acc > NIR] : <2e-16          
                                          
                  Kappa : 0.9255     
 
mytarmailS #:

на сырых тоже не плохо

Это уже интереснее...
 
mytarmailS #:

на сырых тоже не плохо

Тут реально нужно МО?

 

Мои результаты. Кто сможет расшифровать, тот молодец, я уже забыл что к чему.

Другой тестовый пример, пересечение ма и цены. На вход подаются приращения нескольких последних баров, на выход направление сделки (1-бай, 0-селл). Параметры базовой сети: 1 Dense слой с tanh. 1 эпоха, батч=32. win - число входов, per - период МА, total - размер обучающей выборки. Сеть обучается за 1 эпоху, что бы при обучении не было повторных примеров. Валидация проходит на инвертированной по вертикали (*-1) обучающей выборке. Тест проходит на отдельной независимой выборке. Все они равны total. При per<=win сеть показывает высокую точность, что и требовалось доказать, сеть способна искать скрытые закономерности.

Для небольших сетей (<1000 нейронов) расчет на cpu быстрее, чем на gpu. При батче=8192 расчеты проходят за одинаковое время. Этот тестовый пример с 1 и 100 скрытыми нейронами считается за одинаковое время. Для cpu двойная и одинарная точность считается за одинаковое время, результаты сопоставимые. Разные типы активации считаются за примерно одинаковое время и дали сопоставимые результаты. Размер win не сильно влияет на время. total=10^6 при батче=1 считается за 18 минут. Зависимость между батчем и временем линейная.

Точность от размера выборки. батч=1 , per=100, win=100. Первый столбец - размер выборки (total), 2 - время мин.сек, 3 - точность на тесте, 4 - точность на трейне, 5 - точность на валидации.
1м  18.49 99.   98.7 99.
100к 1.54 98.5 97.3 98.6
10к   0.11 97.8 88.4 98.1
1к     0.01 71.2 62.1 66.5

Добавление шума к входу. total=10^6, батч=32 , per=10, win=10. Первый столбец - доля шума от входа, 2 - точность на тесте, 3 - точность на трейне, 4 - точность на валидации.

0.001 99.8 98.1 99.8
0.01   99.6 98.2 99.6
0.1     96.8 96.1 96.8
1        74.9 74.2 75.1

Число входов и ошибка. total=10^6, батч=32 , per=100. точность на тесте, точность на трейне, точность на валидации.

win=150: 99.5 98.7 99.5

win=100: 99.6 98.8 99.6

win=90: 98.9 98.2 98.9

win=80: 97.2 96.6 97.2

win=70: 94.8 94.3 94.8

win=60: 92.0 91.6 91.9

win=50: 88.6 88.2 88.6

win=20: 74.7 74.4 74.7

Графики весов. 1 входной нейрон. ма(100) 100 входов слева, ма(50) 100 входов справа


 
Maxim Dmitrievsky #:
 
Так что в прицепе если есть какие-то "тупые"  перевороте стратегии то можно пробовать копировать
 
mytarmailS #:
Так что в прицепе если есть какие-то "тупые"  перевороте стратегии то можно пробовать копировать
Надо искать, у меня нет. Я только арбитраж и МО
 
Maxim Dmitrievsky #:
Надо искать, у меня нет. Я только арбитраж и МО

Что то я так и не понял как можно востановить торговлю по таблице копировщиков сделок , нету идентификатора самой позиции(


кстати интересный робот, тип как то одновременно открывает позы в разные стороны на одном инструменте, но закрывает их в разное время с прибылью, за счет чего прибыль непонятно, но интересно до жути)

Торговые сигналы для MetaTrader 5: Iceberg Fr GU
Торговые сигналы для MetaTrader 5: Iceberg Fr GU
  • www.mql5.com
Торговый Сигнал Iceberg Fr GU для MetaTrader 5: копирование сделок, мониторинг счета, автоматическое исполнение сигналов и социальный трейдинг