Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2622
![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
Лучше это промоделировать на любых данных и понять что это только звучит заманчиво
Мы сходимся в одну точку. НС как раз и обучается на прогоне истории. Скорость обучения достаточно высока. Недостатки - размер базы недостаточен чтоб накопить закономерности за год. Предыдущие результаты размываются. Это возможно на больших таймфреймах и низкой частоте сделок при обучении. Но большой таймфрейм подразумевает большую просадку - ни одна ТС не гарантирует 100% попадания. Одна из задач - максимально использовать движения рынка. Выход - на графике советник в режиме Работа с периодической закачкой базы, а в тестере в то-же время советник в режиме обучения постоянно улучшает базу. Такой винегрет получился...
Одна из задач - максимально использовать движения рынка. Выход - на графике советник в режиме Работа с периодической закачкой базы, а в тестере в то-же время советник в режиме обучения постоянно улучшает базу. Такой винегрет получился...
Перечитал более вдумчиво. В принцепе , все верно, но нейронка тупиковый путь по нескольким причинам
Вот именно. Я в какой-то из них уперся. По идее - точность прогноза фильтруется пороговым значением вероятности на выходном слое, но тогда очень падает частота сделок и ухудшается скорость реагирования на ситуацию. Фильтрация на скрытых слоях мало влияет на результат. Я при обучении применяю фиксированные равные стоп и тейк для объективности. В режиме Работа - стоп тянется после безубытка, начиная с некоторой дистанции, порог сходимости сбрасывается на 0 - чтоб обрабатывать все картинки. Величина стопа - среднее движений между 0 и 10, ..., 50 и 61 барами. Это значение примерно совпадает с оптимизированным. Может, тут стоит применить что-то другое? Зигзаг только ухудшил картину. С какими тупиками столкнулись Вы и какие решения предполагаете?
Вот именно. Я в какой-то из них уперся. По идее - точность прогноза фильтруется пороговым значением вероятности на выходном слое, но тогда очень падает частота сделок и ухудшается скорость реагирования на ситуацию. Фильтрация на скрытых слоях мало влияет на результат. Я при обучении применяю фиксированные равные стоп и тейк для объективности. В режиме Работа - стоп тянется после безубытка, начиная с некоторой дистанции, порог сходимости сбрасывается на 0 - чтоб обрабатывать все картинки. Величина стопа - среднее движений между 0 и 10, ..., 50 и 61 барами. Это значение примерно совпадает с оптимизированным. Может, тут стоит применить что-то другое? Зигзаг только ухудшил картину. С какими тупиками столкнулись Вы и какие решения предполагаете?
это не мультилэйбл, другой смысл. Исключаются плохие сигналы итеративно, оставляются те, которые хорошо предсказываются основной моделью в общей куче, а вторая модель учится отделять плохие от хороших, запрещать или разрешать торговлю первой
тут и 2я модель может и не нужна? - Cross Validation and Grid Search for Model Selection ... (in Keras)
но, может, и просто confusion matrix даст ответ на 2й ваш вопрос (цель 2й модели вашей идеи)...
или classification_report
... просто усомнилась я, что вам нужна 2я модель... имхо
Фиксированый стоп, тейк, скользящее окно, табличные данные на вход, всё это не работает для сильно нестацыонарных данных
в конце концов трейдер хочет зарабатывать на шуме... возможная цикличность колебаний может заинтересовать только инвестора в долгосроке, - и НЕ без понимания фин-эк взаимосвязей, а не простой статистики... имхо смоделировать шум кажется поинтереснее (для трейдера), но более рисковано (для его торговли)... - обычный баланс риска-профитности
p.s.
только вот отфильтровать шум(рабочий) от шума(нерабочего) - задачка ещё та (т.е. отделить шумовое загрязнение шума)... видела где-то статью, что стот ориентироваться на соотношение Signal\Noise>2 (для рабочего шума) -- смахивает на обычный осцилятор, который накручивается на трендовую составляющую модели ТС... всё банально (как учат новичков - 1 трендовый индюк, 1 осцилятор), - а в рамках такого общего ориентира можно вложить любые свои предпочтения к информации и расчётам, которой(ым) сам трейдер больше склонен доверять - только здесь и видится поле для субъективизма в ТС... имхо ... и эту банальщину надо лишь цифроризовать в модель НС, чтобы торговал робот, а не торчать перед терминалом днями
тут и 2я модель может и не нужна? - Cross Validation and Grid Search for Model Selection ...
но, может, и просто confusion matrix даст ответ на 2й ваш вопрос (цель 2й модели вашей идеи)...
или classification_report
... просто усомнилась я, что вам нужна 2я модель... имхо
а ответ и не вам предназначался -- вы читать так и не научились... (( - ваши уменияи анализировать читаемое вами мной уже давно не ставятся под сомнение, точнее их отсутствие, как и ваш анализ вашей торговли и её автоматизации (даже не слова путаете, а контексты уродуете)
p.s.
анализ динамики - ничто - без предварительного анализа зависимостей... анализ временных рядов - это последнее, что делается в статистике после др. видов анализа... -- а вы всё успокоиться не можете, что у вас time-series нестационарны, не удосужившись элементарно зависимость найти... - лишь огрызаетесь и зубоскалите (наверно, думая, что вам весело?) -- на риторический вопрос не утруждайтесь отвечать
а ответ и не вам предназначался -- вы читать так и не научились...
тут и 2я модель может и не нужна? - Cross Validation and Grid Search for Model Selection ...
но, может, и просто confusion matrix даст ответ на 2й ваш вопрос (цель 2й модели вашей идеи)...
или classification_report
... просто усомнилась я, что вам нужна 2я модель... имхо