Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 139
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Bütün bunlar kulağa akademik geliyor.
Hatırladığım kadarıyla, 100.000'in üzerindeki gözlem sayısıyla, ilk alıntı bile neredeyse durağan.
Ne olmuş?
Sonuçta, büyük olasılıkla 100-150 gözlem penceresindeki terminalde çalışıyoruz. Genel olarak, pencerenin boyutu ne olmalıdır? Ve ne için?
Gürültü tahmin edicilerini kaldırmak için, o zaman büyük bir sayı, belki 10.000'e kadar. Peki, gürültü tahmin edicilerini kaldırmak için 100.000'e ihtiyacınız var mı?
Genel olarak, örneklem büyüklüğü bir şekilde pazarın bazı durağan özellikleri ile ilgili olmalıdır. Tartışılan durumda, gürültü tahmin edicileri yeterince geniş zaman aralıkları için olmalıdır.
Bu, gürültü giderme adımıdır.
Bir sonraki adım, modelin fazla takılmadığından emin olmak için modeli eğitmektir.
Modelin fazla uymadığı bir dizi öngörücü bulmayı başardıysak, o zaman her şey anlamlı olur. Aksi takdirde, herhangi bir konuşma kesinlikle boştur. Göstergeler üzerinde kasıtlı olarak fazla eğitilmiş bir TS inşa etmenin, tüm bu yapay zeka gadget'larını kullanmaktan çok daha kolay olduğunu unutmayalım, bunun sonucunda hala aşırı eğitimli bir TS alıyoruz.
Dolayısıyla, fazla uydurmaya yol açmayan belirli bir dizi tahmincimiz var. Kârlılık miktarı önemli değildir, asıl mesele bu kârlılığın farklı örnekler üzerinde çok fazla dalgalanmaması ve olmamasıdır.
Ve şimdi bir sonraki aşama.
Küçük bir pencere = 100-500 gözlem alıyoruz ve bunun üzerindeki modeli öğreniyoruz, örneğin rfe ile bir tahminci seçimi yapıyoruz. Bu, tahmin edicileri daha da azaltacaktır. İki kez deneyimleyin.
Bu azaltılmış tahmin kümesini kullanarak, tam olarak bir adım önde bir tahmin yaparız. İyi bir şekilde, bu tahminin bir güven aralığı olmalıdır - risk budur.
Tahminin içinde ticaret yapıyoruz. Onlar. ertesi günü tahmin edin ve M5'te işlem yapın. TR'yi tahmin edilen hareketin yarısına ayarladık.
Tüm pozisyonlardan ayrıldıktan sonra pencereyi kaydırıyoruz, tahmin edicileri rfe ile seçip tekrar tahmin ediyoruz.
Tahmin hatası, her adımda değil, her adımda bir hatadır.
Ancak pratik değeri olan bu değer değil, en azından test eden kişide kar faktörünün / düşüşün veya başka bir şeyin değeridir.
Bütün bunlar kulağa akademik geliyor.
///
Tüm hesaplamalarınızı tek bir ifadeyle değiştireceğim: gürültü olmayan tahminciler sonsuz büyüklükte bir örnek üzerinde çalışacak. Bu, gürültünün ortadan kaldırılmasının mümkün olan en büyük boyutta bir örnek üzerinde yapılması gerektiği anlamına gelir.
"Gürültü olmayan tahmin edicileriniz" teklifin sınırlı bir bölümünde çalışıyorsa, yerel gürültüyü temsil ederler.
Tamam, bunu okumak ilginç olacak.
CNN kendi başına tekrar eden bir ağ değildir.
Evrişimsel ağlardan bahsetmişken. Bu tür bir sinir ağı, regresyon problemlerini çözmek için tasarlanmamıştır. Bu nedenle, halka açık deneyin sonuçları içler acısı.
CNN tarafından çözülen görevler - sınıflandırma, yerelleştirme, algılama, segmentasyon.
Bu çok "marjinal notlar"
İyi şanlar
Evrişimsel ağlardan bahsetmişken. Bu tür bir sinir ağı, regresyon problemlerini çözmek için tasarlanmamıştır. Bu nedenle, halka açık deneyin sonuçları içler acısı.
CNN tarafından çözülen görevler - sınıflandırma, yerelleştirme, algılama, segmentasyon.
Bu çok "marjinal notlar"
İyi şanlar
Sınıflandırmanın regresyon olarak temsil edilemeyeceğinden ve bunun tersi olduğundan emin misiniz? Sonuçta, bu blok tamamen bağlı katmanlarda çözülür, ancak oradaki fark nedir? Kanıt var mı?
Ve bu arada, sonuçlar içler acısı değil. Neden bu kadar karar verdiniz? Sadece gömülü işlev çok karmaşıktır ve ağ onu gürültüden ayırt etmeyi bırakır (tamamen bağlı bir ağ demek istiyorum). Kendin mi çözdün yoksa sadece demagoji mi yayıyorsun?
Beyler, birinin içinde günlük alıntılar, tercihen M5 endeksleri var, üç enstrümana ihtiyacınız var, en az 50.000 mum
1) Euro Stoxx 50 veya Euro Stoxx 600
2) Dow Jones veya S&P 500 veya NASDAQ
3) EUR/USD çifti
Elinde olan varsa lütfen deney için bana haber versin, minnettar olacağım.
Alexey Burnakov :
"Gürültü olmayan tahmin edicileriniz" teklifin sınırlı bir bölümünde çalışıyorsa, bunlar yerel gürültüyü temsil eder.
Mümkün olan en uzun numuneler üzerinde neyi kanıtlamak istiyorsunuz? Etkin Piyasalar Hipotezi? Bu hipotezi vaaz eden iflas edenler de dahil olmak üzere birçok soylu var.
Çok özel bir araç kullanımından bahsediyorum. Ve benim için bu özellik kısaca "peşin ödeme" ifadesiyle ifade ediliyor. Bu çerçevede, tahmin ufku = 1 hafta optimaldir, böylece kalp sakinleşir - 2 ay.
Diğer her şey, özellikle karların çekilmesi için uyarlanmalıdır. Burada ve şimdi. Ve 87'den önce olanlar ilginç değil. 1997'den önce ne olduğu ilginç değil, ama daha ileri gidersek, bir sonraki sınır 2007'dir. Gürültü öngörücülerini belirlemek için bir zaman periyodu seçerken, önceki periyodun gelecekteki periyoda benzer olacağına dair bazı anlamlı düşüncelere sahip olunmalıdır. Brexit'ten sonra her şey eskisi gibi mi çalışıyor? ABD seçimlerinden sonra ne olacak? Siyasetle ilgisi olmayan siyasi şoklar ve borsa çöküşleri var ve bunlar tarihi verileri parçalara ayırıyor.
videolar - https://www.youtube.com/watch?v=-INzzOXxkhU
Bence bu, geliştirmenin doğru yollarından biri, ayrıca hem gürültü seçimi hem de yeniden eğitim sorununu kapsamlı bir şekilde çözüyor (Tabii bu, teorik olarak hepsi bu )
1) Tarihte tekrar eden durumları arıyoruz - ala özellik seçimi
2) formasyona verilen fiyat tepkisinin istatistiklerini göz önünde bulunduruyoruz, diyelim ki 10 düşüş ve 1 yükseliş, ve bu eylemi yaptığımız ortaya çıkıyor
1. koro ile güçlü kalıplar ortaya çıkardı. istatistikler (nitel özelliklerin seçimi)
2. Modelin rastgele olmadığını fark ettik, çünkü sıklıkla tekrarlandı (nitel özelliklerin seçimi)
3. Aslında, üzerindeki tüm istatistikleri hesapladığımız için işaretin çapraz doğrulamasını gerçekleştirdik.
4. Gereksiz her şey atıldığı için yeniden eğitimden kurtulduk, sadece tarihte iyi çalışan şeyler kaldı
Ve hepsi bir şişede :)
ps videoyu izlerken göstergeyi izleyin, tahminde yanılacağına dair tek bir kez görmedim ve bu güçlü ...
Maksimum uzun numuneler üzerinde neyi kanıtlamak istiyorsunuz? Etkin Piyasalar Hipotezi? Bu hipotezi vaaz eden iflas edenler de dahil olmak üzere birçok soylu var.
Aslında, mevcut maksimum örnekte, sizin ifadenizin tam tersi olan, seçilen özelliklere bağımlılıkların yeniden üretildiğini gösteriyorum. Piyasa tarih boyunca verimsiz olmuştur.
Puanlarınızın geri kalanı hakkında yorum yapmayacağım: bunlar sizin tercihleriniz.
videolar - https://www.youtube.com/watch?v=-INzzOXxkhU
Bence bu, geliştirmenin doğru yollarından biri, ayrıca hem gürültü seçimi hem de yeniden eğitim sorununu kapsamlı bir şekilde çözüyor (Tabii bu, teorik olarak hepsi bu )
1) Tarihte tekrar eden durumları arıyoruz - ala özellik seçimi
2) formasyona verilen fiyat tepkisinin istatistiklerini göz önünde bulunduruyoruz, diyelim ki 10 düşüş ve 1 yükseliş, ve bu eylemi yaptığımız ortaya çıkıyor
1. koro ile güçlü kalıplar ortaya çıkardı. istatistikler (nitel özelliklerin seçimi)
2. Modelin rastgele olmadığını fark ettik, çünkü sıklıkla tekrarlandı (nitel özelliklerin seçimi)
3. Aslında, üzerindeki tüm istatistikleri hesapladığımız için işaretin çapraz doğrulamasını gerçekleştirdik.
4. Gereksiz her şey atıldığı için yeniden eğitimden kurtulduk, sadece tarihte iyi çalışan şeyler kaldı
Ve hepsi bir şişede :)
ps videoyu izlerken göstergeyi izleyin, tahminde yanılacağına dair tek bir kez görmedim ve bu güçlü ...
her şey doğru.
Videoyu izlemedim, çünkü güzellik için her şeyin keyfi olarak uzun bir hikayeye sığdırılabileceğine ikna oldum. Gerçek güzel değil. Modelin fazla takılmadığını kanıtlamak çok zordur.
Benim için her şey riskle ilgili - biraz almaya çalışıyorum ama yine de risk alıyorum. Bir danışmanı uzun yıllar boyunca bir düzine çift üzerinde başarılı bir şekilde ticaret yapabilirsiniz, ama neden? Kâr muhtemelen yılda yüzde birkaç olacak .....
Şey, denemedin bile...
stat ile yaptığım deneyler hakkında küçük bir rapor. Tahkim.
spread yukarıda bahsedilen sitede olduğu gibi regresyon olarak kabul edildi, komisyon dikkate alındı, yine parametrelerle çok uğraşmadım, hızlı bir testte en iyilerini aldım, para yönetimi ile uğraşmadım ya da pozisyonu yönetmeye çalışırsanız (eklemeler, ortalamalar), o zaman çok daha iyi sonuçlar elde etmenin mümkün olacağını düşünüyorum.
Ayrıca, tabiri caizse, yeni verilere göre, "darbe tutarları" tahkimi, mach yardımıyla yaptığım sistemlerden çok daha iyi. eğitim 10 kat daha iyi tutar...
Bu çok garip .. Tahkim deneyleriyle yarım günde, mash ile yarım yılda elde ettiğimden daha fazlasını başardım. eğitim , sadece garip değil, hatta bir şekilde aşağılayıcı ...
Eksilerden, esasen iki tane var:
ilki hala +/-%30'luk büyük bir düşüşe sahip
ve ikincisi, oraya nasıl gideceğimi hala çözemedim. eğitim vidalayabilirsin :)