Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3181
![MQL5 - Язык торговых стратегий для клиентского терминала MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Значит мой метод можно признать рабочим?
Ищу ошибку в коде после модификации
Ищу ошибку в коде после модификации
Нет ошибки нет
Спасибо, попробую MathRand-приращения.
Наиболее универсальный - это наверняка Монте-Карло.
Похоже, у меня получилась интересная Random-генерация.
Сверху реальный символ, снизу - random.
RandomPrice можно применять итерационно. Спреды и время сохраняются.
Правильно было бы делать через логарифмирование, но не стал заморачиваться. Если допилить, то для Монте-Карло, возможно, наилучший вариант генерации random-символа с нужными стат. характеристиками.
для Монте-Карло, возможно, наилучший вариант генерации random-символа с нужными стат. характеристиками.
Проверка на вшивость одним и тем же сетом.
Сверху - real, снизу - random.
Провал.
Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
Машинное обучение в трейдинге: теория, модели, практика и алготорговля
mytarmailS, 2023.08.17 08:42
ваш второй шаг, который вы "не делаете" ))
В чем различие?
Отличие в том, что ничего не ищется в результатах оптимизации. Т.е. первые пять результатов оптимизации ни разу до этого не запускались на OOS.
Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
Машинное обучение в трейдинге: теория, модели, практика и алготорговля
Valeriy Yastremskiy, 2023.08.17 10:44
Вроде логично, что вероятность ложных положительных и отрицательных результатов уменьшается, но по мне это не панацея от ошибок.
Считаете, что доверять модели train_optim + test_forward стоит больше, чем (train+test)_optim?
Нет ошибки нет
Взял другую выборку - 47% единиц и примеров раз в 5 меньше - после пары проходов могу сказать, что находит много квантовых отрезков уже.
На что ещё обратил внимание, так на похожесть начальной целевой и генерированной - похожи на 49% - может тут надо какой то порог ставить - по похожести не более 30%? Есть какие то соображения?
Построил график - если совпадение "-1", если совпадения нет, то "+1", получился такой вот баланс.
Многовато на нём трендов, как думаете?
Сверху - real, снизу - random.
Сделал оптимизацию с одинаковыми настройками на реальном и на сгенерированном символе.
Real.
Random.
Не обучается на Random.
Сделал оптимизацию с одинаковыми настройками на реальном и на сгенерированном символе.
Real.
Random.
Не обучается на Random.
Отличие в том, что ничего не ищется в результатах оптимизации. Т.е. первые пять результатов оптимизации ни разу до этого не запускались на OOS.