Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 960

 
Aleksey Vyazmikin:

Ну не знал, что все это уже давно используют, пока я изобретаю...

уже как полвека используют все, что здесь обсуждается

сейчас только добавляются более прогрессивные модели типа диплернинга

наблюдение - нет ни одной идеи, которую бы я придумал а потом не нашел почти точно такую же в интернете. (Например, недавно скидывал пример про нечеткую логику и НС. Сначала придумал а потом нашел точно такое же 1 в 1, правда статья довольно свежая там) И нет ни одной модели МО которую бы не попытались уже применить на рынке до вас :) В основном англоязычные ресурсы, конечно же.. в рунете вообще одубение полное

 
Maxim Dmitrievsky:

уже как полвека используют все, что здесь обсуждается

сейчас только добавляются более прогрессивные модели типа диплернинга

наблюдение - нет ни одной идеи, которую бы я придумал а потом не нашел почти точно такую же в интернете. (Например, недавно скидывал пример про нечеткую логику и НС. Сначала придумал а потом нашел точно такое же 1 в 1, правда статья довольно свежая там) И нет ни одной модели МО которую бы не попытались уже применить на рынке до вас :) В основном англоязычные ресурсы, конечно же.. в рунете вообще одубение полное

Скучно :)

 
Aleksey Vyazmikin:

Скучно :)

да я хз че делать дальше, идей пока никто не подкидывает, думать лень

ну есть модель, обучается стабильно хорошо в разных модификациях, некоторые по 100% и больше от трейна отрабатывают на оос, как здесь.. (4 мес обучения 10 мес ООС) потом фигня

на демках не вижу смысла тестить т.к. уже и так все понятно

на реал переходить - хз, т.к. не понятно когда система в будущем поломается :D Сделал какой-то полуграаль и теперь сижу и тупо смотрю на него, 50к уже предложили

книжки читать по 500 стр. на английском опять...


 
Maxim Dmitrievsky:

да я хз че делать дальше, идей пока никто не подкидывает, думать лень

ну есть модель, обучается стабильно хорошо в разных модификациях, некоторые по 100% и больше от трейна отрабатывают на оос, как здесь.. (4 мес обучения 10 мес ООС) потом фигня

на демках не вижу смысла тестить т.к. уже и так все понятно

на реал переходить - хз, т.к. не понятно когда система в будущем поломается :D Сделал какой-то полуграаль и теперь сижу и тупо смотрю на него, 50к уже предложили

книжки читать по 500 стр. на английском опять...


Может фичами начнем меняться?

 

"мусор на входе — мусор на выходе" - верный и в тоже время важный для понимания тезис, достойный фундаментального изучения. Естественно он не исчерпывает всех возможностей моделирования и не учитывает неограниченности путей для выбора исходных данных для исследования. Всем известно, что выбор данных определяется особенностями исследуемого объекта или характером его математической модели, если она известна. С другой стороны, любые данные надо рассматривать на определенном уровне их абстракции относительно множества "абсолютных" факторов определяющих поведение рынка. Не имея этих эталонов, мы можем лишь провести сравнительную оценку, которая будет сугубо локальной. Лично из своего опыта я убедился что продуманный подход к выбору исходных данных повышает показатели численного моделирования.

 
Aleksey Vyazmikin:

Может фичами начнем меняться?

у меня просто цены на входе, фичами не страдаю :) главное это подбор целевых

 
Ilya Antipin:

"мусор на входе — мусор на выходе" - верный и в тоже время важный для понимания тезис, достойный фундаментального изучения. Естественно он не исчерпывает всех возможностей моделирования и не учитывает неограниченности путей для выбора исходных данных для исследования. Всем известно, что выбор данных определяется особенностями исследуемого объекта или характером его математической модели, если она известна. С другой стороны, любые данные надо рассматривать на определенном уровне их абстракции относительно множества "абсолютных" факторов определяющих поведение рынка. Не имея этих эталонов, мы можем лишь провести сравнительную оценку, которая будет сугубо локальной. Лично из своего опыта я убедился что продуманный подход к выбору исходных данных повышает показатели численного моделирования.

думаю что тервер+МО, других вариантов особо нет. Получается как бы и научно и со вкусом

вот с тервером вообще слабо, надо изучать

 
Попытаюсь добавить интереса к ветке и заодно конкретизировать свой вывод. Назидательная критика только приветствуется. Вообщем, буду выкладывать кривые эквити (период ООС) к различным наборам данных, которые удалось на данный момент выработать и извлечь непосредственно из МТ4. В качестве метода машинного обучения возьму тот же самый лес (RandomForest) в исполнении R+MT4. Параметры леса будут зафиксированы, также как и периоды обучения и тестирования, изменятся будут лишь наборы данных. Целевая - бинарный признак (0,1) рассчитанный по индикатору ZIgZag с минимальной глубиной шага в 50 пунктов.
 
Maxim Dmitrievsky:

у меня просто цены на входе, фичами не страдаю :) главное это подбор целевых

Тогда это всё должно работать только пока исторические цены повторяются...

 
Maxim Dmitrievsky:

думаю что тервер+МО, других вариантов особо нет. Получается как бы и научно и со вкусом

вот с тервером вообще слабо, надо изучать

Именно так.

Некий Асауленко так и делает. Он, хотя и пытается петлять как заяц, но все же - физик и у меня есть доверие к его модели.

А она такова - смотрит, вышла ли цена за уровень доверительной вероятности, а НС дополнительно дает разрешение/отказ на вход в сделку. У меня все то же самое, только вместо НС использую коэффициент асимметрии Пирсона. Но, у него лучше - тоже так хочу сделать.