Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2512

 
iwelimorn #:

Короче, все тщетно, с МО рынок не обмануть.

Нашел признаки и целевую, распределение классов которых показано на первом рисунке.

Точность на тестовой и тренировочной моделей катбуста,  обученной по этому датасету составляла 93%

На втором рисунке показан график баланса и эквити торговли по целевой:

На третьем рисунке показан график баланса  и эквити торговли по сигналам обученной модели катбуста:

Так что, дамы и господа, расходимся. 

Работа, которую Вы делаете, очень близка мне.

Вы не могли бы выполнить следующее:

  • каждый признак разделить на несколько векторов, пропорционально количеству классов, т.е. если классов 2, то получится 2 вектора
  • нарисовать совмещенные на одном рисунке в одних осях гистограммы вектора, которые относятся к одному предиктору.



 
Кстати, градиентный бустинг ведет почему-то неустойчиво. Скорее всего переобучается из-за попыток получения идеала за счет бустинга.
 
СанСаныч Фоменко #:
Кстати, градиентный бустинг ведет почему-то неустойчиво. Скорее всего переобучается из-за попыток получения идеала за счет бустинга.
Да они все переобучаются у нас же почти рандом на входе.
 
iwelimorn #:

Просто собрал все свои целевые, признаки. Проектными переменными выступали  параметры признаков, целевой. Формировал  трио 2 признака+целевая   их и обучал катбуст. Отбирал по максимуму точности обучения на тестовой выборке.  Отобранные трио фильтровал по возможности целевой давать адекватные сигналы для торговли.

В итоге нашлось 5 трио признаки+целевая. Но как я уже показал, точности прогноза 93% для целевой дающей хороший сигнал для торговли, явно недостаточно.  Кстати я пробовал обучать датасетами по найденным трио полносвязные нейросети разной конфигурции, случайный лес и получал +- такую же точность обучения на тестовой выборке и такую же тестовую тоговлю. 

Уверены, что это правильно обучать в одной выборке разные целевые? Ведь сигналы должны быть сопоставимы, к примеру разворот тренды и вход в тренд из флэта предпологают разный набор показателей предикторов.

Про катбуст есть вопросы:

- используете только две выборки, экзаменационную сразу не используете? 

- сколько деревьев в модели?

- используете остановку обучения по тестовой выборке?

- какой темп обучения стоит?

- класс 1 отвечает за направление входа, или сигнал с заданным уже направлением?

iwelimorn #:

Хорошая идея, спасибо, попробую допилить это.

Пожалуйста :) Ещё полезно смотреть на профит и точность по распределению вероятности.


iwelimorn #:

Не представляю, как можно работать на минутках... Там же шум-бурум.  А увеличение окна усреднения для  сглаживания шума дает картину  близкую к старшему таймфрейму.

Вы можете намекнуть, пояснить в чем смысл торговли на минутных таймфреймов? Может я что то недопонимаю? 

Я торгую Si - там всё достаточно технично ходит, плюс в большем числе сигналов для обучения.

По сути я использую информацию с множества ТФ, много горизонтальных уровней в предикторах, и минуты просто позволяют быстрей отреагировать на событие, которое влияет на цену по моему разумению.

 
СанСаныч Фоменко #:
Кстати, градиентный бустинг ведет почему-то неустойчиво. Скорее всего переобучается из-за попыток получения идеала за счет бустинга.

Вот как раз провел эксперимент на эту тему, пока с одной выборкой, но суть в том, что повышения темпа обучения позитивно влияет на результат, так как происходит больше обобщения, что в случае, когда нет на все вопросы правильного ответа и когда выборка не репрезентативна, оказывается эффективней, чем подгонка на истории под каждый пример.

 
Aleksey Vyazmikin #:

По сути я использую информацию с множества ТФ, много горизонтальных уровней в предикторах,

Как используете горизонтальные уровни? Расстояние от текущей цены до ближайшей сотки, 500, 1000?

 
elibrarius #:

Как используете горизонтальные уровни? Расстояние от цены до ближайшей сотки, 500, 1000?

Я стараюсь не использовать пункты - проценты использую. Есть сетка на день (допустим ATR), вписываю в неё предикторы и цену открытия текущего бара, таким образом знаю где цена относительно уровня, желательно помечать события пересечение уровня, как давно это было...

 
elibrarius #:
Да они все переобучаются у нас же почти рандом на входе.

ковариацию и корреляцию никто не отменял... (кажется, что рандом)

Мы можем не знать, сколько основных компонентов следует придерживаться на практике, применяются некоторые правила большого пальца.

ведь это лишь

Что такое прогнозирующее моделирование:прогнозирующее моделирование — это вероятностный процесс, который позволяет нам прогнозировать результаты на основе некоторых предикторов. Эти предикторы в основном являются функциями, которые вступают в игру при определении окончательного результата, то есть результата модели.

а уже, какие предикторы и метки мы выбираем и какой алгоритм, - дело личного вкуса... - если изначально рассматривать систему шире, чем итоговый Bull/Bear/Hold-on  ...

поэтому описание возможностей моделирования от

Maxim Dmitrievsky

всегда на вес золота ! -

1. Сначала определяется область поиска: эмпирически или на основе предположений, делаются стат. тесты. Затем подбирается алгоритм МО,

2-й вариант -

2. Поиск стратегии через любой классификатор, анализ его внутренней структуры (feature importance, shap values и разные метрики).

- лишь "в надежде"... "каким-либо полиномом"... + подбирать полезные преобразования данных (независимо от МО) - действительно, Искусство!.. НЕ МОГУТ они быть одинаковыми при анализе любых данных (как тут некоторые "гурели") - как минимум, при линейном и квадратичном программировании и функции разные и результаты разные и их Интерпретация!


Введение в уменьшение размерности | Портал информатики для гиков
  • 2019.12.30
  • espressocode.top
Машинное обучение. Как обсуждалось в этой статье , машинное обучение — это не что иное, как область обучения, которая позволяет компьютерам «учиться», как люди, без необходимости явного программирования. Что такое прогнозирующее моделирование: прогнозирующее моделирование — это вероятностный процесс, который позволяет нам прогнозировать...
 
JeeyCi #:

ковариацию и корреляцию никто не отменял... (кажется, что рандом)

Конечно никто не отменял. Посему полезно посчитать АКФ СБ, потом посчитать АКФ СБ со сносом. Сравнить их. Подумать.

 

ваша АКФ  ?

не всё упирается во временные ряды!..

ветка явно страдает тем, что все всем указывают о чём думать и что делать, а сами упиваются своей остаточной памятью по предмету, явно чисто теоретической, но явно без своих собственных попыток их применения к рынку... - достают гнилые советы и отнимание времени на опровержение бреда наоравшихся и обиженных...

могу лишь своё наблюдение изложить (пока вы сами не посчитаете свои умозаключения, а не чужими руками):

если шум не гауссовский и не коррелирован с движением цены -- вот тут-то всё и начинается...

свой АКФ,  считайте сами , не травите людям душу... (ведь на обиженных воду возят, т.е. возите на себе)

Машинное обучение в трейдинге: теория, практика, торговля и не только
Машинное обучение в трейдинге: теория, практика, торговля и не только
  • 2021.12.03
  • www.mql5.com
Добрый день всем, Знаю, что есть на форуме энтузиасты machine learning и статистики...
Причина обращения: