Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2322
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
https://www.mql5.com/ru/forum/325441/page15#comment_20589051
т.е. написать и отладить бота - проблем не должно быть
Хорошая статья. Подход толком не раскрыт, только результаты и полунамеки как сделано, но результаты впечатляют.
Хорошая статья. Подход толком не раскрыт, только результаты и полунамеки как сделано, но результаты впечатляют.
Особо не вникал, но судя по всему, посредством какого-то алгоритма делается большое число возможных продолжений ряда, из которых потом выбирается то, которое по заданным метрикам больше всего подходит на исходный ряд. Вижу проблему в неоднозначности результата такого "прогноза":
1) Если задано несколько метрик, то для каждой из них будет свой "прогноз". Если сделать из нескольких метрик одну компромиссную, то "прогноз" будет зависеть от её конкретного устройства.
2) "Прогноз" будет сильно зависеть от алгоритма построения набора возможных продолжений ряда.
Идея ухода от параметрических моделей понятна и привлекательна, но здесь она не реализована (надеюсь, понятно почему).
Особо не вникал, но судя по всему, посредством какого-то алгоритма делается большое число возможных продолжений ряда, из которых потом выбирается то, которое по заданным метрикам больше всего подходит на исходный ряд. Вижу проблему в неоднозначности результата такого "прогноза":
1) Если задано несколько метрик, то для каждой из них будет свой "прогноз". Если сделать из нескольких метрик одну компромиссную, то "прогноз" будет зависеть от её конкретного устройства.
2) "Прогноз" будет сильно зависеть от алгоритма построения набора возможных продолжений ряда.
Идея ухода от параметрических моделей понятна и привлекательна, но здесь она не реализована (надеюсь, понятно почему).
Как я понял, авторы не слишком раскрывают сам алгоритм, отделываясь сентенциями вроде:
Therefore, the GenericPred method uses two basic rules:
R1: Always endeavour to keep the value of a nonlinear measure as steady as possible during prediction (Fig. 3).
R2: The new value must be chosen from a set of potential values generated from a probability distribution.
The prediction has to be pursued one step at a time because the predicted value in the current step is needed for determining the valid range of change for the next step.
Насколько я догадываюсь, вначале выделяется некая логистическая линейная компонента, а затем на каждом шаге производится моделирования нелинейной, основным критерием при этом выступает стабильность некого набора стохастических характеристик ряда. В общем туманно, но результат впечатляет.
На мой взгляд подход чем-то похож на тот который используется в пакете "пророк" в R.
Вижу что есть интерес к этой теме..
На сколько я помню вот тут была попытка реализовать на R этот алгоритм, но статьи уже не открываются, по крайней мере у меня, попробуйте
Вижу что есть интерес к этой теме..
На сколько я помню вот тут была попытка реализовать на R этот алгоритм, но статьи уже не открываются, по крайней мере у меня, попробуйте
Есть замечательный сайт, который архивирует почти весь интернет.
Вот копии первой из ваших статей
https://web.archive.org/web/20160701000000*/https://mechanicalforex.com/2016/03/using-r-in-trading-time-series-forecasting-using-chaos-part-1.html
Есть замечательный сайт, который архивирует почти весь интернет.
супер!!! спасибо
На мой взгляд, смысла прогнозировать ряды на 100-200-500 дней вперед мало. Слишком многое может случиться... чтобы кардинально изменить ряд и силы влияющие на его движение.
Можете повторить этот код (лучше из 3 статьи, как более стабильный) для М1-М15 прогнозируя на 1 - 10 часов вперед? Даже 1 часа достаточно, чтобы побороть спред и выйти в прибыль.
Если это будет успешным, то можно брать метод в работу.