Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1105
![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
понятие "flat" пришло из волнового анализа :)
обозначает "плоскую" или "скользящую плоскую" коррекцию вида АBC. Размечается постфактум. субъективно.
очевидно, что бы обозначить флет, необходимо вести волновую размету, потому что есть чередование паттернов, и все паттерны познаются в сравнении. Пресловутая "point of reference" всегда должна присутствовать
Надеюсь, теперь вы прозрели насчет того, что строите воздушные замки и боретесь с ветряными мельницами.
Надеюсь, теперь вы прозрели насчет того, что ищите воздушные замки и боретесь с ветряными мельницами.
ну вот, опять пришел Максим и начал раздавать волшебных.. )))
ну вот, опять пришел Максим и начал раздавать волшебных.. )))
А что касается МО с зачатками ИИ, то мое мнение сейчас что это, в основном, индуктивный поиск, а не дедуктивный.
Это когда алгоритм сам перебирает модели, удовлетворяющие определенному критерию. Например, устойчивости на новых данных, регулярности. Этот критерий является внешним по отношению к самой модели, то есть внешний цензор. От выбора критерия зависит кач-во итоговой (найденной) модели, а от входных данных - опосредованно :)
Вот когда нет каши в голове, можно брать любой алгоритм МО и вертеть его, с полным так сказать пониманием происходящего.А что касается МО с зачатками ИИ, то мое мнение сейчас что это, в основном, индуктивный поиск, а не дедуктивный.
Это когда алгоритм сам перебирает модели, удовлетворяющие определенному критерию. Например, устойчивости на новых данных, регулярности. Этот критерий является внешним по отношению к самой модели, то есть внешний цензор. От выбора критерия зависит кач-во итоговой (найденной) модели, а от входных данных - опосредованно :)
спасибо, но я пока далек еще от этого, читать много нужно еще, сами основы НС изучаю, много нового, чего "по верхам не нахватаешься"
в части сам "алгоритм перебирает", думаю это некая фантасмагория или утопия на данном уровне материалов по ИИ в свободном доступе, да и маловероятно, что один или небольшая группа людей способна самостоятельно разработать полностью рабочую или быстро адаптирующуюся систему самостоятельно... я писал уже и еще раз напишу, если бы в рынках было бы все просто или хотя бы реально существовала бы модель ИИ, которая может эффективно и долго находиться в профите, то Гугл был бы первым, кто этим бы занимался - у них очень и очень большие возможности.... хотя кто знает, может быть великий Гугл и движет рынками ))))
все, что пока вижу в перспективе изучения и использования ИИ, это или быстрая перенастройка системы (не только переобучение и оптимизация, но и подбор предикторов ) или полуавтоматическая прогнозная система.... ну такие кривульки с вероятностями рисует ))))) и по этим кривулькам принимается решение совместно с юзером... или наоборот против мнения юзера... я обычно не угадываю ))))
все, что пока вижу в перспективе изучения и использования ИИ, это или быстрая перенастройка системы (не только переобучение и оптимизация, но и подбор предикторов ) или полуавтоматическая прогнозная система.... ну такие кривульки с вероятностями рисует ))))) и по этим кривулькам принимается решение совместно с юзером... или наоборот против мнения юзера... я обычно не угадываю ))))
ну да, а в чем фантасмагория? раз в минутный бар даже переобучать вполне реально, если модель быстрая
у гугла такая капитализация что им пофигу на рынки, мне кажется, они сами рынок
раньше были domestic trends у них, на основе поисковых запросов. Сейчас то-ли прикрыли то-ли че
ага, прикрыли. Гугл финанс сейчас - печальное зрелище
https://www.marketbeat.com/press-room/google-finance-changes-and-alternatives/
понятие "flat" пришло из волнового анализа :)
обозначает "плоскую" или "скользящую плоскую" коррекцию вида АBC. Размечается постфактум. субъективно.
очевидно, что бы обозначить флет, необходимо вести волновую размету, потому что есть чередование паттернов, и все паттерны познаются в сравнении. Пресловутая "point of reference" всегда должна присутствовать
Надеюсь, теперь вы прозрели насчет того, что строите воздушные замки и боретесь с ветряными мельницами.
а что такое коррекция? Это тоже субъективное понятие, ибо если бы это было не так то были бы привила по которым можно было бы отличить коррекцию от тренда, а так коррекция часто перетекает в тренд и наоборот, а все потому что нет ее, это полностью субъективные понятия , есть просто движение , движения разной длинны. Те что мелкие мы называем флетом, крупные трендом..
Но тут опять вопрос а что такое маленькие движения и большие, относительно чего они маленькие или большие?
На самом деле это серозные вопросы которые дают ответ на то почему параметрические системы и "мо" в том числе никогда не будут работать на не обработаных рыночных данных
================
ладно, это все лирика, теперь к главному, зачем мне флет. У меня есть сеть которая ищет уровни пд, сп.
Сильные уровни формируются когда цена в так называемом флете, флеты канешн разные по длинне и размахах
евродолар ,5м ,сейчас
это уровни
так вот , когда эти уровни формируються цена стоит в флете, эти флеты я и хочу найти
а что такое коррекция? Это тоже субъективное понятие, ибо если бы это было не так то были бы привила по которым можно было бы отличить коррекцию от тренда, а так коррекция часто перетекает в тренд и наоборот, а все потому что нет ее, это полностью субъективные понятия , есть просто движение , движения разной длинны. Те что мелкие мы называем флетом, крупные трендом..
коррекция это не импульс. Все эти понятия из волнового анализа. Понятие не может быть объективным или субъективным, оно объективно если определено.
называйте тогда другими словами - коридор, диапазон. Что бы всем понятней было
увы, уж больше чем было написано за многие годы на этом форуме, сомневаюсь, что где то есть еще
поищите поиском по форуму "пробой флета", раньше модная тема была, в кодобазе есть несколько примеров, да и обсуждение флетов тож регулярное... пока рынок в боковике )))
а чего ждать? Люди общаются это нормально. На этом форуме все уже сто раз обсудили, поиск работает... осталось приложить ко всему даже не светлую голову, а твердый и усидчивый зад!
ЗЫ: а чего ждать? ну разве, что "волшебных пендалей", которые периодически раздает @Maxim Dmitrievsky чтобы создать импульс в нужном направлении с помощью своеобразной манеры общения ))), за что ему в принципе, огромный респект! )))
Жду, что кто-то смог из множества умных слов высказанных в этой теме достичь результата, лично мне не нужны, ни исходники, ни алгоритмы, а вот результат работы МО в виде замониторенного сигнала или скринов за пару дней. А пока только говорильня и причем не по делу.
На счет флэта и МО, по сути ИИ в процессе обучения сама найдет нужное вероятностное поведение на текущий момент будет это флэт или импульс. Так что не вижу смысла в рамках МО писать отдельные алгоритмы определения флэта, бесполезное занятие.
Те что мелкие мы называем флетом, крупные трендом..
Но тут опять вопрос а что такое маленькие движения и большие, относительно чего они маленькие или большие?
На самом деле это серозные вопросы которые дают ответ на то почему параметрические системы и "мо" в том числе никогда не будут работать на не обработаных рыночных данных
Ну нет четких определений - где флет, где тренд, маленькие или большие. Для одних приложений маленькие, для других большие.
Определитесь, что конкретно для вас (вашей системы) маленькие, и что есть большие в каких либо конкретных единицах измерения, и все сразу станет на свои места.
Вообщем, дело такое. Начал использовать бустинг, так как помимо точности и высокой обобщающей способности в данном алгоритме построение модели происходит более однозначно. Метод более прост и с точки зрения настройки из-за небольшого числа специфических внешних параметров. Единственный минус это загрузка оперативной памяти при вычислении, ну и соответственно увеличение размера модели в десятки и сотни мегабайт в зависимости от числа бустинг-итераций. В результате сравнения с методами случайного леса и неглубоких нейросетей я пришел к выводу что для задач классификации бустинг более предпочтителен.
Проверил множество предикторов. В основном это последовательные тайм-серии построенные из самых разнообразных индикаторов и их комбинации. Тестирование проводил в мультивалютном режиме (27 валют) программным методом с учетом реального спреда (2 пункта). Таймфрейм - час. На выходе - бинарный класс рассчитанный по сигналу зигзага с глубиной шага в 100 пунктов. Результаты почти все отрицательные. Если исключить спред, то плюс может быть существенным. Как вариант, можно попробовать взять более высокий таймфрейм.
Подумал как следует дальше развивать исследование:
1. попробовать на выходе зигзаг другого типа или с другими параметрами.
2. использовать на выходе сигналы циклических компонент выделенных методом Фурье, или вейвлет-фильтрами.
3. использовать действительные значения индикаторов на выходе (регрессия). К примеру, разность цен закрытия и откртия свечей, изменение цены за несколько баров вперед.
4. в качестве предикторов использовать непоследовательные данные, к примеру, ключевые точки или уровни
5. фильтровать исходную выборку по различным показателям (индикаторы Volumе или ATR), то есть обучать для работы только на определенных участках рынка.
Буду рад выслушать ваши мнения и советы.