Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1176
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
Отчасти согласен с Вашими мыслями, но у моделей МО для трейдинга есть особенность - нестационарность, а точней очень маленькие выборки, неспособные описать все варианты возможных явлений, а подобных примеров по аналогии с другими направлениями я не знаю, поэтому и приходится что-то свое.
От помощи не откажусь, так-как очень плохо разбираюсь именно в построении моделей, и покрутив немного настройки Кэтбуста увидел, что результаты могут очень сильно зависеть от настроек модели, что дает больше вопросов чем ответов. А вопрос у меня на сегодня один - какой максимум можно выжить из моей выборки с предикторами, так-как не ясно - надо ещё делать предикторы или их уже для минимума достаточно.
Помощь по подключению кэтбуста в виде питона к терминала - конечно понадобится, спасибо!
Ваши вопросы, по сути те же, что возникают при создании любого советника - какие данные использовать и с какими настройками их обрабатывать, что бы получить лучший результат и ответы на них вероятно нужно искать, как обычно, через разработку, отладку, тестирование и оптимизацию.
Так я так и делаю :) Просто подумал, что вдруг у кого то есть большие навыки в этом деле именно по работе с моделями...
Так я так и делаю :) Просто подумал, что вдруг у кого то есть большие навыки в этом деле именно по работе с моделями...
Рантайм связка MQL с библиотеками Python и R дает неограниченный простор в этом направлении, поэтому в очередной раз предложил свой движок, если потребуется, готов подключиться и помочь.
А можно посмотреть исходники движка? Интересно как сделан.
Отличные тесты, спасибо
есть какая-нибудь инфа по дифференциалу ошибок трейн\тест? достаточно взять какой-нибудь один Accuracy или logloss там, самые ходовые
например, что-то типа такого
справа трейн слева тест:
интересует именно чпособность модели обобщать, и какие там фихи для борьбы с оверфитом. Гляжу, быстро освоили приблуду. Наконец-то предметные беседы :))
Выглядит трушно, уже где то выше говорилось, что один из признаков низкого оверфита это именно подобие графиков эквити лёрна и теста, собсно и на классификации\регресии та же логика, а эквити как следствие.
увы, эта задача не имеет решения:
1. или пишите на стороннем языке(платформе) ТС, но получаете проблемы:
а) нет исторических данных
б) нет тестера
в) нет тестирования на демо-счете
-) возможны проблемы с поддержкой платформы, как пример - я гуглил по Alglib, очень скудно в сети по ней информации, все только на сайте разработчика, поддержки толком нет
все это лечите .dll, интеграциями и прочими костылями
2. или пишите все на MQL, у Вас не будет проблем а.б,в... но будете или искать в кодобазе и в статьях готовые решения и мат.аппарат или будете писать всю логику (мат.аппарата) с нуля пользуясь возможностями MQL
3. универсальный вариант это готовые .dll которые подключаются в MQL коде, если код пишете для себя, то это наиболее практичное решение, для Маркета .dll нельзя
многие системы разработки и анализа позволяют создавать .dll как пример - Матлаб
ЗЫ: MQL меня устраивает на 90%, единственное визуализацию результатов всегда приходится делать почти с нуля, в том же Матлабе вывод информации всегда под рукой, одна строка кода и получай готовый график, все переменные на виду, можно переменные изменять.. одним словом Матлаб это готовая среда разработки мат.аппарата, возможно есть и круче чем Матлаб, но я привык как то к нему
На первый взгляд всё так как Вы говорите, но через года 3 масимум 5, изготовления костылей и подшивок для RAD систем", четко осознаёшь что к сожалению "бесплатных обедов не бывает". Ситуация с RAD системами как с мартингейлом который "заметает мусор под ковёр", они упрощают шаблонное моделирование, но значительно усложняют кастомайз, работа над которым и есть сущность профессии. Поэтому потенциальный кукл 2-3 года как новичок учится на RAD, ибо так проще и эффективней учиться, а затем плавно переходит на свой софт.
Что стоит на стороннем языке:
1. загрузить историю в CSV,
2. Сделать тестер (это всего-лишь и не более чем цикл),
3. На демо-счете можно тестировать, скажем, через файловый обмен с терминалом. Если это делать через RAM-Disk, быстродействие как при обмене через память - Гигабайты в секунду.
Если система получится, а она с первого раза не получится, сэкономится масса времени на моделирование. А уж как в терминал ее потом запихнуть - вопрос решаемый.
дьявол в деталях :) Например по какой то причине выходит так, что на разных тестерах, результаты одних стратегий, на одних данных выходят разные, порой значительно, но прав(ближе всего к правде), кто то один.
А можно посмотреть исходники движка? Интересно как сделан.
Движок интегрирован в большой проект, там много мегабайт исходников на нескольких языках, одних интерпретаторов, кроме питона и р, еще есть скриптовые джава и паскаль.
А если интересен принцип и пример исполнения Python кода, который я применяю, то его я тут уже давно предлагал.
https://www.mql5.com/ru/forum/86386/page553#comment_6302133
Выглядит трушно, уже где то выше говорилось, что один из признаков низкого оверфита это именно подобие графиков эквити лёрна и теста, собсно и на классификации\регресии та же логика, а эквити как следствие.
дьявол в деталях :) Например по какой то причине выходит так, что на разных тестерах, результаты одних стратегий, на одних данных выходят разные, порой значительно, но прав(ближе всего к правде), кто то один.
Чтобы дилемма не возникала, надо пользоваться своим тестером с полностью контролируемой структурой. В этом случае есть полная уверенность, что тесты не будут существенно отличаться от реальной работы.