Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 380
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
и прогноз будет на "УРА!"
кстати так и пишут, что "ДА" мол, сносно прогнозит, пока волатильность невысока.
А код можно посмотреть?
А код можно посмотреть?
по ссылке на предыдущей странице пройдите.
Ничего не понял.
Есть график "Стратегия" и график "Купи и держи". А где график EURUSD?
Ничего не понял.
Есть график "Стратегия" и график "Купи и держи". А где график EURUSD?
Пардон, перешел на следующий пост и нашел следующий график.
Очень интересный материал.
Не достает тестов, которые бы обосновывали применимость соответствующих функций.
ну потому что гарч это уже готовая осмысленная модель, а МО это только МО. Купил учебник по вышке, там есть гарч, читаю )
МО это всегда готовая осмысленная модель. Иногда настолько осмысленная, что даже сходу не разберёшься как оно работает. Вот статья про градиентный бустинг например https://habrahabr.ru/company/ods/blog/327250/ Статья есть, описания и формулы есть, но моё желание перенести это в mql я так и не смог осуществить, слишком сложно.
Дело чуть в другом, не в осмысленности, а в узкой специализации.
Арима, гарч - работают напрямую с ценами, без индикаторов и ТА. Для этого в них есть встроенный алгоритм превращения ценового ряда в стационарный вектор, и есть даже такие тонкости как коррекция предсказаний в зависимости от предыдущих ошибок (MA компонента). Но при этом они бесполезны для других (не цены) данных, эти модели не смогут например классифицировать картинки.
Если же передать временной ряд цен в нейронку для обучения, она не будет искать всякие автокорреляционные, сезонные и трендовые составляющие цены, нейронка это не умеет. Она просто запомнит что ей дали, и для новых данных при тесте или реальной торговле будет "вспоминать" похожие векторы цены из прошлого и торговать как было раньше, а это на форексе означает слив.
Нейронке нужно помочь для прогноза цены - сначала самому найти индикаторы которые подобно арима смогут определить автокорреляцию, тренд, сезонность, и значения этих индикаторов передавать в нейронку. Тогда у неё появится хоть какой-то шанс сравняться с арима и гарч.
Ещё, что важно - арима делает прогноз учитывая время. Это модель чётко помнит в каком порядке пришли цены, и про прогнозе использует как-бы скользящее окно, беря несколько последних цен и делая прогноз по ним. В отличие от нейронки, которая работает сразу со всей обучающей таблицей без понятия в каком порядке пришли цены.
МО это всегда готовая осмысленная модель. Иногда настолько осмысленная, что даже сходу не разберёшься как оно работает. Вот статья про градиентный бустинг например https://habrahabr.ru/company/ods/blog/327250/ Статья есть, описания и формулы есть, но моё желание перенести это в mql я так и не смог осуществить, слишком сложно.
Дело чуть в другом, не в осмысленности, а в узкой специализации.
Арима, гарч - работают напрямую с ценами, без индикаторов и ТА. Для этого в них есть встроенный алгоритм превращения ценового ряда в стационарный вектор, и есть даже такие тонкости как коррекция предсказаний в зависимости от предыдущих ошибок (MA компонента). Но при этом они бесполезны для других (не цены) данных, эти модели не смогут например классифицировать картинки.
Если же передать временной ряд цен в нейронку для обучения, она не будет искать всякие автокорреляционные, сезонные и трендовые составляющие цены, нейронка это не умеет. Она просто запомнит что ей дали, и для новых данных при тесте или реальной торговле будет "вспоминать" похожие векторы цены из прошлого и торговать как было раньше, а это на форексе означает слив.
Нейронке нужно помочь для прогноза цены - сначала самому найти индикаторы которые подобно арима смогут определить автокорреляцию, тренд, сезонность, и значения этих индикаторов передавать в нейронку. Тогда у неё появится хоть какой-то шанс сравняться с арима и гарч.
Ещё, что важно - арима делает прогноз учитывая время. Это модель чётко помнит в каком порядке пришли цены, и про прогнозе использует как-бы скользящее окно, беря несколько последних цен и делая прогноз по ним. В отличие от нейронки, которая работает сразу со всей обучающей таблицей без понятия в каком порядке пришли цены.
МО это не готовая осмысленная модель, а процесс :) а гарч это модель. Как это вообще можно сравнивать :)
Я прекрасно понимаю все что происходит, к некоему подобию гарча я пршел еще до того, как вообще узнал что он существует. И что делает нейронка. Строю свою ОСМЫСЛЕННУЮ модель сижу уже давно :) ну как давно, недели 2. Все эти статьи левак по большей части, кстати.. ну для общего образования интересно почитать
И, кстати, сложность системы на форексе не характеризует ее эффективность вообще никак..Как это вообще можно сравнивать :)
МО всегда включает в себя некую модель, и почти всегда берут какую-то рабочую проверенную временем. Например нейронку или градиентный бустинг, в их создание вложено столько сил и времени (десятилетия эволюции алгоритмов), что они могут быть даже осмысленнее чем арима.
МО всегда включает в себя некую модель, и почти всегда берут какую-то рабочую проверенную временем. Например нейронку или градиентный бустинг, в их создание вложено столько сил и времени (десятилетия эволюции алгоритмов), что они могут быть даже осмысленнее чем арима.
Ну какая там модель - регрессия или классификация :) Это все что умеет нейронка
МО это всегда готовая осмысленная модель. Иногда настолько осмысленная, что даже сходу не разберёшься как оно работает. Вот статья про градиентный бустинг например https://habrahabr.ru/company/ods/blog/327250/ Статья есть, описания и формулы есть, но моё желание перенести это в mql я так и не смог осуществить, слишком сложно.
Дело чуть в другом, не в осмысленности, а в узкой специализации.
Арима, гарч - работают напрямую с ценами, без индикаторов и ТА. Для этого в них есть встроенный алгоритм превращения ценового ряда в стационарный вектор, и есть даже такие тонкости как коррекция предсказаний в зависимости от предыдущих ошибок (MA компонента). Но при этом они бесполезны для других (не цены) данных, эти модели не смогут например классифицировать картинки.
Если же передать временной ряд цен в нейронку для обучения, она не будет искать всякие автокорреляционные, сезонные и трендовые составляющие цены, нейронка это не умеет. Она просто запомнит что ей дали, и для новых данных при тесте или реальной торговле будет "вспоминать" похожие векторы цены из прошлого и торговать как было раньше, а это на форексе означает слив.
Нейронке нужно помочь для прогноза цены - сначала самому найти индикаторы которые подобно арима смогут определить автокорреляцию, тренд, сезонность, и значения этих индикаторов передавать в нейронку. Тогда у неё появится хоть какой-то шанс сравняться с арима и гарч.
Ещё, что важно - арима делает прогноз учитывая время. Это модель чётко помнит в каком порядке пришли цены, и про прогнозе использует как-бы скользящее окно, беря несколько последних цен и делая прогноз по ним. В отличие от нейронки, которая работает сразу со всей обучающей таблицей без понятия в каком порядке пришли цены.
+++