Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2699
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
Мой метод фиксирует число пространств, в которых ищется закономерность, и ограничивает шаг координат в этих пространствах, поэтому взрывов быть не должно. Плюс есть идеи, как сразу уменьшить число исследуемых комбинаций за счет предварительного анализа пространств.
Я буду делать поиск на MQL5 через режим "математические вычисления", преимущество тут в отлаженной системе поддержки агентов, что позволит управлять распараллеленными заданиями на вычисление. У меня достаточно много слабых ядер на серверах, поэтому мне это важно.
Правило - это аналог листа дерева, если я правильно помню Ваши изыскания. Лист содержит условия, описывающее закономерность, а Событие является источником для поиска закономерности.
Событие - это пожалуй пенек дерева, которое будет наращено за счет взаимодействия с другими предикторами.
Наращивание, даже можно сказать взращивание, если пользоваться представлением о дереве, - это второй уже этап, реализовать который можно либо через свой алгоритм (пока наброски на бумаге) или на R через генетические деревья (это просто уже отработанная методика, Вам кидал скрипт), или как делаете Вы - но работая уже с малой в общем то таблицей - ища относительные закономерности, а можно придумать что-то ещё. Да и на этом этапе CatBoost уже может переваривать данные с радостью, как промежуточное решение. Можно и из него листья\правила повытягивать, но они там обычно слабые.
Есть какие то инструменты в твоем подходе по учитыванию инвариантности данных?
https://en.wikipedia.org/wiki/Affine_transformationЕсть какие то инструменты в твоем подходе по учитыванию инвариантности данных?
https://en.wikipedia.org/wiki/Affine_transformationВозможно это актуально для множества точек, к примеру для нахождения похожих паттернов, но в моём случае по сути есть одна точка на первом этапе. Точка конвертируется/нормируется в разные относительные системы измерения - по шкале времени и по цене, плюс третье пространство - любой дискретный предиктор непрерывно описывающий рынок. Получается 3 измерения в начальном представлении. В каждом своя квантовая таблица.
Радует что тема в топе!
Чем больше адептов - тем больше я нахлобучу)))
Возможно это актуально для множества точек, к примеру для нахождения похожих паттернов, но в моём случае по сути есть одна точка на первом этапе. Точка конвертируется/нормируется в разные относительные системы измерения - по шкале времени и по цене, плюс третье пространство - любой дискретный предиктор непрерывно описывающий рынок. Получается 3 измерения в начальном представлении. В каждом своя квантовая таблица.
Как можно одну точку нормировать если она одна???
Нормирование относительно пространственных предикторов, а не точек на той же плоскости. Или это не нормированием называется? Не силен в терминах.
Паттерн может присутствовать, но его описание правилом будет недостаточным, к примеру он умещается в диапазон от 50 до 100 баров, а в правиле установлено среднее значение приделов.
Ничего не понял
Ну, всей кухни я пока не готов раскрывать детально. Ищу тех, кто хочет двигаться со мной.
это известнейшая ж@#а.. и постоянно всё сбивает, вне зависимости что торгуем :-) в двух основных центрах - США и Англии стрелки часов переводят в разные дни. С разницей до больше 1 недели. Меняются промежутки между важнейшими событиями и две-три недели за полгода можно выбрасывать из анализа. И наши ещё отчебучивают, то "переводим часы, то не переводим" всё взбаламутили.
я не знаю универсального или даже более-менее удачного решения этой проблемы. Или просто игнорировать эти "критические дни", или отдельно обучать зимнее/летнее время. Последнее кажется более разумным, но у нас и так данных критически нехватает
Нужно как то подумать об этом. Я пробовал смещать время - результат явно был положительным - сохранялись закономерности, привязанные ко времени. Беда в том, что когда множества таких вот пространств-предикторов, то модель не всегда может их все использовать, а научить её думать в этом ключе не просто.
Ну, всей кухни я пока не готов раскрывать детально. Ищу тех, кто хочет двигаться со мной.