Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3591
![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
Совершенно е понимаю, что тут обсуждается...
Для обучения нужна выборка, хотя бы 500. На каком периоде они хотят торговать? День? конечно нет, Неделя, тоже нет. Месяц? ну может быть для месяца можно что-то найти из макроэкономических сведения. Но нужно 500 месяцев для обучения, лучше больше. Но в реальности качественных меток будет не 500, а гораздо меньше. У меня примерно в 10-20 раз меньше меток, чем выборка. Жуткий головняк с учителем..
Пустое это все с макроэкономикой
Официальная наука как раз и говорит о том, что макроэкономика очень плохо предсказывает валютный курс.
Имхо, с практической точки зрения, если макроэкономика хоть немного улучшает прогноз, то стоит её использовать в дополнение к ценам. Это вполне согласуется с идеей ансамблирования в МО.
Как исправить свои целевые уже написал выше. Хорошо, что никто не использует, кроме меня :)
Ну, каждый здесь сходит с ума по своему)
Мне ближе всего подход, когда всё сводится к построению вероятностных распределений и поиску их отклонений от того какими бы они были при случайном блуждании.
Насчитал примерно 7 продавцов в маркете, которые пилят ботов по статьям про катбуст. Интересно, какой суммарный выхлоп с маркета :)
Ну, каждый здесь сходит с ума по своему)
Мне ближе всего подход, когда всё сводится к построению вероятностных распределений и поиску их отклонений от того какими бы они были при случайном блуждании.
Необходимо чтобы они платили роялти автору)
Официальная наука как раз и говорит о том, что макроэкономика очень плохо предсказывает валютный курс.
Имхо, с практической точки зрения, если макроэкономика хоть немного улучшает прогноз, то стоит её использовать в дополнение к ценам. Это вполне согласуется с идеей ансамблирования в МО.
Мне кажется, что официальная наука может ошибаться или что-то скрывает от общественности.
Могу показать пример использования макроэкономических данных (на) в индикаторе. Это не реклама продукта. Его нет и никогда не будет в маркете.
Думаю такой метод применяется определенными группами людей с большими деньгами.
Можете сами оценить, можно ли заработать на таких данных. Индикатор не перерисовывает.
Бело-зеленый столбик показывает вероятность. НС без МО. Просто и удобно.
А теперь можете бросать помидоры.
Не совсем понимаю как это выглядит в вашем случае. В моем получаются распределения меток для каждого кластера, по типу как это делал другой Алексей с квантрезками :) но только я делаю почти что ноль работы по самостоятельному из анализу.
Вроде бы уже отчасти обсуждалось в ветке , когда говорили про вероятностное обучение (тогда всё быстро свелось к задаче классификации и калибровке вероятностей). Процитирую самого себя)
"Интересен более широкий подход, с моделями для которых выходом служит не число, а любое (в разумных пределах, конечно) распределение. Примером может служить МО используемое в теории надёжности (где изучается распределение срока работы) или в вероятностном прогнозе погоды (когда строится вероятностное распределение для возможного количества осадков, например)."
Для трейдинга, например, - пусть в каждой сделке фиксирован стоп-лосс. Тейк-профит не фиксирован, вместо этого известно максимальное продвижение цены в нужную нам сторону до срабатывания стопа. Рассматриваем это максимальное продвижение как случайную величину. Наш алгоритм МО должен находить зависимость распределения этой случайной величины от признаков (выход не число а распределение). Сравниваем распределение с тем что было бы при СБ и входим, если есть отличия. Ещё есть возможность вычислять тейк-профит для каждой сделки отдельно (по конкретному виду отличий распределения от СБ-варианта при данных значениях признака), а не один на всех.
Вроде бы уже отчасти обсуждалось в ветке , когда говорили про вероятностное обучение (тогда всё быстро свелось к задаче классификации и калибровке вероятностей). Процитирую самого себя)
"Интересен более широкий подход, с моделями для которых выходом служит не число, а любое (в разумных пределах, конечно) распределение. Примером может служить МО используемое в теории надёжности (где изучается распределение срока работы) или в вероятностном прогнозе погоды (когда строится вероятностное распределение для возможного количества осадков, например)."
Для трейдинга, например, - пусть в каждой сделке фиксирован стоп-лосс. Тейк-профит не фиксирован, вместо этого известно максимальное продвижение цены в нужную нам сторону до срабатывания стопа. Рассматриваем это максимальное продвижение как случайную величину. Наш алгоритм МО должен находить зависимость распределения этой случайной величины от признаков (выход не число а распределение). Сравниваем распределение с тем что было бы при СБ и входим, если есть отличия. Ещё есть возможность вычислять тейк-профит для каждой сделки отдельно (по конкретному виду отличий распределения от СБ-варианта при данных значениях признака), а не один на всех.