Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 172

[Andrey Dik]

San Sanych Fomenko :

not.

MCL'nin ateşli destekçileri için, bu konuda tartışılan tüm eylemler ve araçlar olmadan, test cihazının ticaret sisteminin gelecekteki davranışı hakkında konuşmak için herhangi bir neden vermediğini not ediyorum. Test eden kişi şöyle der: "İşte bu zaman aralığının sonuçları." Herşey. Test cihazı, örneğin belirli bir tarihsel döneme atıfta bulunan bir kar faktörü gibi tam olarak bir rakam verir. Ve istatistikler sadece R'de elde edilebilir . Test cihazı, model tasarımının son kısmıdır, ancak tüm geliştirme sürecinin yerine geçmez.

Saçmalık ve saçmalık!

Test eden kişi, tam olarak ne istendiyse o kadarını verecektir. Kâr faktörünü sordunuz mu? İşte kar faktörünüz. Başka bir şey veya birkaç tane sorarsak, bunun bir cevabı olacaktır. Ve istatistikler, OnTester() içinde TesterStatistics() çağrılarak elde edilebilir ve tüm bunlar çok uzun süredir mevcuttur. Gerekirse, başka herhangi bir istatistik sayımı ekleyebilirsiniz.

Hiçbir şey yoksa veya ne soracağınızı bilmiyorsanız, R'niz kesinlikle hiçbir şeye cevap veremeyecektir.

[Alexey Burnakov]

Dr.Tüccar :

Örneğin, gecikmeli bir örnek üzerinde doğrulama yaptınız. Ertelenen verilerin birleştirilmesiyle ilgili modeli kabul edelim. Böyle bir durumda ne yaparsınız? Ertelenmiş numunede doğrulamayı başarılı bir şekilde geçmek için parametrelerde bir şey seçmeye yeniden başlarsanız, esasen ertelenmiş numuneden gelen verileri çapraz doğrulamanıza dahil edersiniz ve çapraz doğrulama da uygun hale gelir. Bu, yeni bir gecikmeli getirme eklenerek düzeltilebilir. Peki ya model onun üzerinde de birleşirse? Geçilecek parametreleri ve bekleyen yeni bir örneği seçmek için? Bu sonsuz bir yarış.

Çapraz doğrulamaya gecikmeli örneklemeyi dahil etmek ve yeni bir gecikmeli örnekleme oluşturmak bir seçenek değildir, ancak şans size gülene ve model yanlışlıkla gecikmeli doğrulamayı geçene kadar sonsuz bir tekrarlamadır. O zaman durabilirsin, ama bu bir forex kararı değil, sadece şans sana gülümsedi, ancak istatistiklere göre bu bir tahliye olacak.

Yani soru şu - diyelim ki ertelenmiş veriler üzerindeki model birleşti. Böyle bir durumda ne yaparsınız?

SW. Dr. Trader, resimde açıklamaya çalışacağım. Endişelenmeyin, bu sorun karmaşık ama çözülebilir. Önerdiğiniz gibi yapmak zorunda değilsiniz, aksi takdirde bir kısır döngü olacaktır.

Yine de, yavaş yavaş bu konudaki etkinliklerle tamamlayacağım. Forumdan sıkılmaya başladım. PM'de ve örneklerle daha iyi.

İşte burada:

Gürültülü Zaman Serileri Tahmini ve Ticareti için Model Seçimi

Adım adım:

Modeli eğitmek - model kase özelliklerini gösterir

Modelin test edilmesi - modeller zaten gözle görülür şekilde daha kötü çalışıyor. Ama aralarında mükemmel çalışan var.

İşte model seçmeniz gereken an geliyor. Sen ve ben, testte daha iyi performans gösteren modelleri seçiyoruz (bunlar çapraz doğrulamada doğrulama blokları olabilir). Ve özellikleri zaten bilinen bir dönem için bir model seçersek, iyimser bir seçim yaptığımız hemen anlaşılır.

Çapraz doğrulamamız varsa (farklı modeller için veriler karıştırılır), onları testte komite yapamayız (test karmadır). Bunun yerine, testte seçilen "en iyi" modelleri alır ve gecikmeli bir örnek üzerinde test edersiniz. Ne görmeyi bekliyoruz? Gerçek bir uygulamada, çapraz doğrulama bloklarındaki modellerin performansına (veya çapraz doğrulama ile uğraşmak istemiyorsanız tek bir teste) güveneceğimiz için, seçilen en iyi modellerin çalışıp çalışmayacağını bilmemiz gerekir. gelecekte benzer performans gösterir (gecikmeli numune 1'de). Bir bağlantı varsa, zaten çok iyi. Aslında, çalışmayı durdurabileceğiniz ve gelecekte en iyi çapraz doğrulama modellerini seçebileceğiniz yer burasıdır.

Ama yine de bir komite yapmak istiyorsak, komite için hangi modelleri seçeceğimizi anlamalıyız. Bunu gecikmeli bir örnek 1 üzerinde yapıyoruz, ancak hiçbir şekilde değil. Yine, gerçek hayatta sadece test verilerine (elimize ulaşan en son veriler) güveneceğimizi unutmayın. Bu nedenle, TEST'te en iyi sonuçları gösteren modelleri komiteye dönüşümlü olarak dahil ediyoruz. Ertelenmiş bir numune üzerinde komitenin çalışmalarının özelliklerini maksimize ediyoruz.

Bu noktada, komitenin seçimini, özelliği zaten bilinen veriler üzerinden değerlendirdiğimiz için çoklu model seçim yanlılığına maruz kalıyorsunuz.

Komite doğrulaması için son numuneye ihtiyaç vardır.

Gecikmeli bir örnek üzerinde seçilen modelleri (testte) doğrulama adımında, modellerin özelliklerinin dalgalandığını görürsek, teste göre bir model seçme fırsatı bulamadığımız için bu zaten ölümcüldür. . Bu adımda, yaklaşımda bir şeyi değiştirmeniz gerekir.

Toplanan komite, bekleyen son numune üzerinde birleşirse (bu bir kerelik bir testtir), o zaman önceki numuneye uygun bir komite var demektir.

Karakteri en üst düzeye çıkarmak için tüm prosedürü farklı parametrelerle tekrarlayın. Bu aynı zamanda iyimser bir model seçimi olacağından, nihai ertelenmiş örneklerde mümkün değildir.

Gecikmeli örneklerde her şey yolunda gitse bile (yani, model seçim yanlılığını minimuma indirdik), tüm prosedürü AYNI parametrelerle bir döngüde tekrarlamak ve komitenin çalışmalarının son örnek üzerinde dağılımını almak genellikle iyidir. . Aynı zamanda, her seferinde farklı (en azından kısmen) verilere ihtiyaç duyulduğu açıktır. Ve bu zaten çok zor ...

Unutma, lütfen, bu planı. Gerçek ticaret değerlendirmenizi olası bir mutlak seviyeye getirir.

[Mihail Marchukajtes]

Daha önce, eski gençlik döneminde ve Neuroshell'in kullanılabilirliği sırasında kağıt ticareti kullanıyorlardı. Umarım herkes ne olduğunu bilir, ancak gerçek hayatta çalışırken, Ts birleşmeye başladı ve ardından kağıt ticareti segmentini kullanmamaya, ağı eğitmeye karar verirken, değerlendirmek için bir parça gerçek bıraktı. ağın doğru çalışması. Mesela şu anda şunu yapıyorum, bir gün son bir gün silerim, hacme ve açık internete tabidir. Ne için???? Ne de olsa, böyle bir resmi sık sık gözlemlediniz, en başta, optimizasyon bölümünden sonra TS biraz birleşiyor ve ardından oldukça iyi sinyaller vermeye başlıyor. Bu yüzden zaten bildiğim bir günü siliyorum ve TS, olduğu gibi, ertesi günden itibaren ticarete başlıyor .... Bu hiç de fena değil, hatasız değil, elbette, ama yine de yapmak için kabul edilebilir kar ...

[J.B]

Michael Marchukajtes :

Her şey doğru, ama bu kalıp çok sakallı, herkes bunu uzun zamandır biliyor, bu yüzden ...

Ve şimdi en basit sınıflandırıcı bunu tespit edecek, bir dizi için böyle bir fiyat, hacim ve OI yorumu, yeterli veri yok, ayrıca en azından bir sipariş defterine ve işlem talimatlarını içeren bir kasete ihtiyacınız var ve Forex durumunda, Bu bilgi mevcut olmadığı için Batı likit piyasa vadeli işlem piyasalarından almanız gerekir.

[Mihail Marchukajtes]

Ama hayır, hiç düşündünüz mü, ağlar gelecekte tam olarak bu kalıpları gönderirse ne olur ??? Soru, onları nasıl bulacağınız, o gün bu kalıpların ne olacağını bilmek için ağ eğitimi için hangi günleri seçmeniz gerektiğidir. İşte gerçek cevap. Günün bağlamının eğitim örneğine dahil edilen günlere benzer olacağını umarak, tam olarak sırasıyla mevcut hacmin ve OI'nin olduğu günleri seçiyoruz. Ben ağ girişine hacim ve ROI değerlerini kendim beslemem, sadece bu dipleri seçiyorum fakat girişe AD, Zscore, Kelli vb. besleniyor. Yani, mesele, günümüzde olduğu gibi, tarih ve bunlara yönelik piyasa tepkisi üzerinde tam olarak böyle bir kalıp seti seçmektir. Başka yöntemlerle böyle bir seçim hakkında teoriler varsa, dinlemekten memnuniyet duyarım ....

[J.B]

Kara Tomcat :
Sonuçta, akıllı insanlar her türlü sinir ağını geliştirir ve eğitir, ancak yine de basit şeyleri göremezler. Yazınızı okudum ve şaşırdım. Her şeyi doğru anladıysam, kabaca konuşursak, belirli bir yüksekten sonra tüm fiyat düşüşlerini% 0,2 buldunuz, sonra bu yüksek alanda üç mum aldı ve fiyatları ile bir tür manipülasyon yaptınız, sonunda onları getirdi. belirli bir olasılık için. Ama afedersiniz, bu yaklaşım size çok ilkel gelmiyor mu? :) Yanlış yeri kazıyorsun. Bu yüzden sonuç gerçeğin tam tersidir. Yaklaşımınızı şu şekilde karakterize ederim: FullHD bir görüntüden 3 piksel almaya çalışıyorsunuz ve bu üç pikseli kullanarak resmin tamamı hakkında bir fikir ediniyorsunuz. Peki, hepsi değil ama görüntü alanının en az %10'unun doğru tahmin edilme olasılığı nedir? Umarım örneğim açıktır. Resmi görmek için piksellere bakmanıza gerek yok. Başka bir deyişle, grafiği anlamak için tek tek çubuklara değil, grafiğin tamamına bakmanız gerekir. Ve sorunun çözümü, örneğin cebir, fizik veya biyolojide değil, geometri alanındadır. İnsanların burada yaptıkları araştırmaların bir kısmını okuduğumda, insanın yapısını coğrafya yardımıyla anlamaya çalıştıklarını güçlü bir şekilde hissediyorum. :)

+1

Hatta "grafik" değil, bir çizelge diyebilirim ve ayrıca sadece fiyatlar değil, aynı zamanda ...

3 piksel ve HD ile ilgili benzetme, bence burada esas olarak ne yaptıklarıyla çok alakalı.

[J.B]

Andrey Dik :

Ya da birisi şöyle diyecek: "Evet, sadece MO pişirmeyi bilmiyorsun!" - Muhtemelen evet, yapamam. Ama yine de kim yapabilir? MO'yu piyasada kim kullanmayı başardı?

Ve yalnız değilsin, NORMAL, her şey yolunda gittiğinde normal değil ve "başarılı ticaret" üzerine kurslar satmıyorlar, bağlı kuruluş programları ve diğer sapkınlıklarla uğraşmıyorlar, ancak https:/ gibi kapıyı çalıyorlar. /www.rentec.com/Jobs.action?data=true algo ticareti için sermaye artırmakla uğraşmak istemiyorsanız))

[Mihail Marchukajtes]

Ve yine derinden ikna oldum ki, NN'nin çalışması için, onu ticaret sırasında (gün, hafta) olacak bu tür kalıplar üzerinde eğitmeniz gerekir ve en önemlisi, bu kalıplara yönelik piyasa tepkisi, NN'deki ile aynı olmalıdır. eğitim dönemi. O zaman herhangi bir algılayıcı başa çıkacak ve bir patlama ile çalışacaktır. Soru, bir sonraki işlem günü veya haftası boyunca tam olarak nasıl bir kalıp seti seçileceğidir????? Burada böyle bir yaklaşım var ve ağ gelecekteki modeller için eğitilmişse süper karmaşık NN'ler veya başka bir şey icat etmeye gerek kalmayacak ....

[J.B]

Michael Marchukajtes :
Ama hayır, hiç düşündünüz mü, ağlar gelecekte tam olarak bu kalıpları gönderirse ne olur ??? Soru, onları nasıl bulacağınız, o gün bu kalıpların ne olacağını bilmek için ağ eğitimi için hangi günleri seçmeniz gerektiğidir. İşte gerçek cevap. Günün bağlamının eğitim örneğine dahil edilen günlere benzer olacağını umarak, tam olarak sırasıyla mevcut hacmin ve OI'nin olduğu günleri seçiyoruz. Ben ağ girişine hacim ve ROI değerlerini kendim beslemem, sadece bu dipleri seçiyorum fakat girişe AD, Zscore, Kelli vb. besleniyor. Yani, mesele, günümüzde olduğu gibi, tarih ve bunlara yönelik piyasa tepkisi üzerinde tam olarak böyle bir kalıp seti seçmektir. Başka yöntemlerle böyle bir seçim hakkında teoriler varsa, dinlemekten memnuniyet duyarım ....

Bu böyle yapılır, ama başka nasıl? Önemsiz durumda, eğitim veri seti, hacim fiyatının ve ROI'nin normalleştirilmiş artışlarının bir vektör dizisidir, sinir ağına veya başka bir sınıflandırıcıya vectorSet [][] diyelim, girdi = veririz   vektör kümesi [ t ][], çıktı çıktısını öğret = vectorSet [ +1 ][]

Soruyu doğru anladıysam...

[J.B]

Michael Marchukajtes :
Soru, bir sonraki işlem günü veya haftası boyunca tam olarak nasıl bir kalıp seti seçileceğidir?????

Ne yazık ki, daha derine inme hakkım yok ve açıkçası, arzular, hepsi aynı, birbirimizden para alıyoruz)))) Ama 2 yıl önce, hala kendi başıma çalışırken, daha fazlasını işledim. sinir ağına girişte 500'den fazla özellik ve yaklaşık 30 çıkış vardı, ancak zaman geçiyor... ;)