Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1916
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
Мечты слабых — бегство от действительности, мечты сильных — формируют действительность.
Верь в мечту. У неё есть приятная особенность — сбываться.
Бедный человек не тот, у которого нет ни гроша в кармане, а тот, у которого нет мечты.
„Медленно умирает тот,
кто не путешествует,
кто не читает,
кто не слышит музыки,
Кто не может найти гармонию в себе.
Медленно умирает тот,
кто разрушает свою веру в себя,
кто не позволяет себе помогать.
Медленно умирает тот,
кто уничтожает саму любовь,
И проживает свои дни с постоянными жалобами
О невезении или непрекращающемся дожде.
Умирает медленно тот,
кто бросает свои планы,
Ещё даже не начав их!
'' Цитаты о мечтах (538 цитат) | Цитаты известных личностей '' - читайте это интересно ))
У меня тут идея возникла, создать ветку для обсуждения целевых функций, даже не обсуждение , а скорей создать базу из разных видов целевой и статистики по ним, что как работает , а что не работает вообще.
Как думаете, это кому то надо?
У меня тут идея возникла, создать ветку для обсуждения целевых функций, даже не обсуждение , а скорей создать базу из разных видов целевой и статистики по ним, что как работает , а что не работает вообще.
Как думаете, это кому то надо?
Хорошая идея
У меня тут идея возникла, создать ветку для обсуждения целевых функций, даже не обсуждение , а скорей создать базу из разных видов целевой и статистики по ним, что как работает , а что не работает вообще.
Как думаете, это кому то надо?
Мои мысли о целевой. Если предположить что нет спреда и комиссии, то максимальная прибыль будет при угадывании всех максимумов и минимумов. То есть задача сводится к предсказанию на шаг вперед. Т.к. достаточно знать направление сделки, то можно обойтись бинарной классификацией. Берем приращения, находим знак приращений, используем как целевую.
Теперь предположим, что есть некоторый постоянный спред (для простоты). Теперь нас интересуют движения больше этого спреда. И здесь я застрял, как построить такую целевую, что подавать на вход биды, аски или среднее
Мои мысли о целевой. Если предположить что нет спреда и комиссии, то максимальная прибыль будет при угадывании всех максимумов и минимумов. То есть задача сводится к предсказанию на шаг вперед. Т.к. достаточно знать направление сделки, то можно обойтись бинарной классификацией. Берем приращения, находим знак приращений, используем как целевую.
Теперь предположим, что есть некоторый постоянный спред (для простоты). Теперь нас интересуют движения больше этого спреда. И здесь я застрял, как построить такую целевую, что подавать на вход биды, аски или среднее
Это тоже самое что и зигзаг или приращения прогнозировать, по сути это все один класс целевых, бестолковый класс... Я имел в виду в намного более широком плане , придумать целый зоопарк целевых, разных направлений
например :
прогнозировать цену максима дня по внутредневным данным (регрессия)
при пробое какого уровня будет сверх волатильность (регрессия + классификация)
по внутредневным данным прогнозировать в котором часу будет дневной разворот (классификация)
если первая свеча была черная то будет ли третья белая? (классификация)
разметить уровни поддержки и сопротивления и прогнозировать от которого именно уровня будет остскок/пробой в вероятностях (классификация)
прогнозировать оптимальный период для индикатора в каждый конкретный мом. времени (регрессия)
.........
.....
...
ИТП.....
Нельзя так ограничено смотреть на целевые , надо думать, предлагать варианты и тестировать.
В конечном итоге можно что то да найти интересное
=========================
В результате можно создать целый список интересных целевых которые подтвердили свою значимость тестами. И это будет база знаний для всех энтузиастов МО.
Те понимаете, целевые можно перебирать так же как и признаки, да нужно наверное не только можно, это практика показывает.
Вот тебе мой ответ. Он без условно бесит одним моментом, исключительно визуальным. Но не обращай внимание, ведь главное это суть повествования, а не то как это выглядит и каким стрёмным может быть звук... Просто примите к сведению. да я такой и я так считаю. И да у меня нет 100% результатов, не более 55% в общем смысле этого понимания :-))))
Посмотрел видео - в свое время пробовал даже строить модель для отбора моделей на разных оценочных коэффициентах - эффект был, но как обычно в МО - небольшой процент точности. В целом идея правильная, нужно придумывать больше разных предикторов, описывающих модель.
Я смотрю на баланс ошибок и его анализирую теми же методами, как и стандартный отчет в тестере стратегий. Тут как раз тестировал скрипт на старых моделях, который строит график баланса ошибок, и нашел красивый вариант на выборки вне обучения, которая была с середины 2018 по начало 2019, запустил на данных за последний год - профит. А посмотрел модели, что были отобраны на тот момент - результат в два раза хуже, в том числе и баланс ошибок.
Ну да, предполагает, все как у всех ) Сама идея в том чтобы видоизменять признаки, обучать модель и смотреть что будет на новых данных.
А как мы работаем с обычными моделями? мы просто подаем х1,х2,х3,....х20 и на этом все заканчиваеться .
Что я делал в последнем скрипте тот что - 0,82
Я взял все индикаторы 31 шт как предикторы
потом взял их прогнозы как предикторы второго порядка , потом прогнозы от прогнозов и так 11 раз пока ошибка падала , получилось 0,82 вместо 0,7
Но что то в симуляции реальной торговли у меня не получилось получить схожий рез. не знаю где накосячил я ((
Идея совершенно верная, позволяющая генерировать по сути предикторы, но есть два нюанса:
1. Воспроизводимость результатов - потребуется делать как бы дополнительное преобразование - что там получаем после обработки - новую таблицу?
2. Необходимо проверять закономерности на периоде выборки - что б правильная классификация была на разных участках и это не реализуется ни в одной известной мне модели обучения, что очень плохо.
Так как основная часть предикторов у меня категориальная по сути квантили, то я хочу попробовать генерировать предикторы путем объединения через && предварительно объединенные диапазоны статистически значимых предикторов.
По поводу ошибки, она падала на ранее неизвестной выборке, или на тестовой? Может скрипт учитывал показания на тестовой выборке при генерации новых правил?
Прошло много времени, что в итоге - работает метод или нет?
решил посмотреть как будут выглядеть типичные данные для обучения НС в 3d ))
данные это 31 индикатор, целевая это зигзаг
снижал размерность до трех измерений тремя алгоритмами - pca, t-sne , umap (два последних считаются самыми современными)
что это вообще - https://en.wikipedia.org/wiki/Dimensionality_reduction
чем это может помочь - https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%BA%D0%BB%D1%8F%D1%82%D0%B8%D0%B5_%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8
Итак данные 31 индикатор целевая зигзаг , первый у нас PCA
Можете выложить скрипт, что б чайники, как я, так же посмотрели такие красивые картинки на своих выборках?