Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3612
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
ну и шо?
Да что то нумпай у себя в R-studio не смог запустить, этот пихтон со своими средами, проклятие а не ЯП... кароч час морочился и сел мультики смотреть :)
Да что то нумпай у себя в R-studio не смог запустить, этот пихтон со своими средами, проклятие а не ЯП... кароч час морочился и сел мультики смотреть :)
Да на Р делай, я же скинул. Вроде на глаз то же самое считает что и моя на питоне.
Нормально Mistral коды переписывает. Иногда затупливает конечно.
Да на Р делай, я же скинул. Вроде на глаз то же самое считает что и моя на питоне.
Нормально Mistral коды переписывает. Иногда затупливает конечно.
нужно быть увереным что код работает так же, нужно на питоне сделать, но бог свидетель я старался))
нужно быть увереным что код работает так же, нужно на питоне сделать, но бог свидетель я старался))
А на каких котировках собственно обучаетесь вы?
Провёл небольшое исследование, тут в соседней ветке, опубликую и тут - думаю полезно.
Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
Будет ли хорошая стратегия работать на случайно сгенерированных данных?
Aleksey Vyazmikin, 2024.09.10 19:30
Тут я подумал, а похожи ли котировки MQ на котировки реального ДЦ? Под рукой оказался ДЦ RF (это не реклама), и сделал я выборку по часам на EURUSD так, же как описывал раньше, а заодно конвертировал чарт кастомный, что бы был под рукой. Обучил модели - по 10 штук на каждую настройку.
Вот такой разброс по Accuracy получился
А вот метрика Precision - показывает точность определения класса "1" - иными словами процент правильно классифицированных примеров, т.е. для нас это процент часов EURUSD от MQ, которые удалось точно определить, как принадлежащих MQ.
В теории, если выборки одинаковы, то обучение будет в районе 0,5 по этим показателям, т.е. модель будет классифицировать все примеры как "1" или "0", а показатели будут в районе 0,5.
Однако, и обучение по идеи не должно происходить, а у нас оно идёт бодренько - странное дело!
Заинтересовали выбросы на выборке exam, небольшие, но обращающие на себя внимание, посмотрим на положительное отклонение, это настройки Test_CB_Setup_48_000000005 - Исключили ATR, iDelta, Volume и OHLC типа + iVIDyA, iBWMFI, iChaikin.
Интересно, но не понятно - на чём же идёт обучение - логически затрудняюсь обосновать :)
Но, ясно одно, что-то тут не так - видать есть отличия в чартах, решил запилить скрипт, который:
Ниже результаты этих вычислений в виде графиков, для примера представлены последовательно расчеты для M1, H1 и D1.
Ну что, где наверное теперь остаётся понять, а где же рандомные котировки, а где реальные?
Если есть закономерности, то где же они быть должны? Неужели в разных ДЦ разные закономерности?
Хммм.... что думаете?
P.S. Может я ошибся в коде - приложил для аудита и частного использования.Там прикол в том, что если ты применишь эту функцию, то сразу увидишь улучшение на новых после обучения, если датасет не полный рэндом. То есть трейн и тест будут выглядеть более похожими, меньше переобучение.
Здесь вы пишите "меньше переобучение", а ТУТ
"никогда не переобучается". Где истина? Вроде бы функция одна и та же.
Здесь вы пишите "меньше переобучение", а тут
"никогда не переобучается". Где истина? Вроде бы функция одна и та же.
Очевидно, что где-то рядом. В первом случае про переобучение по отношению к валидационный выборке, во втором про переобучение в контексте тестовой выборки. Мы ведь обсуждаем нестационарные рынки.
В первом случае переобучения действительно никогда не происходит, потому что в обучении участвует кусок размеченной, исправленной выборки. Ошибки трейн/вал выравниваются. Во втором случае могут быть варианты, в зависимости от длины обучающей выборки, наличия паттернов, комбинации подобранных кластеров.
Можно, перед обучением, собрать статистику по кластерам и с теста, но тогда это будет уже своего рода подглядыванием.