Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 322
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
orada forvetlerden hangisinin en yüksek kar faktörüne sahip olduğunu seçmeniz gerekir ve böylece geriye dönük test yaklaşık olarak aynı olur, bu, şebekenin bu parametreler üzerindeki normları tahmin edebildiği anlamına gelir.
Hayır böyle değil. İleri, gerçek ticaretteki potansiyel karı gösterir. En iyi geriye dönük test sonucunu alın ve en öndeki teste bakın - kazanacağınız şey budur.
Sonuçta, tüm hızıyla devam eden bir Uzman Danışman için bile optimizasyon sırasında en az bir karlı ilerleme elde etmek mümkündür, ancak böyle bir Uzman Danışman, nasıl dilimlerseniz dilimleyin yine de başarısız olacaktır. Genetik 10.000'den fazla parametre seçimi yapar, bunların arasında her zaman hem arka testte hem de ön testte karlı olan rastgele olanlar bulunur, ancak bu sadece bir kazadır.
İleri, bir Uzman Danışman oluştururken/değiştirirken bir kontrol olarak kullanılabilir - bu üç rsi parametresini başka bir şeyle değiştirin, genetik tarafından yeni en iyi parametre değerlerini bulun ve ileriye ne olduğunu görün. En iyi geriye dönük test sonuçları, iyi ileriye dönük sonuçlara karşılık geliyorsa ve bu, farklı zaman aralıklarında optimizasyon yaparken oluyorsa, EA tamamdır. Çok uzun süre ileri gitmenize gerek yok, uzun bir aralıkta neredeyse tüm Expert Advisor'lar ek optimizasyon olmadan birleşiyor. Örneğin, 2 ay geriye dönük test, bir hafta ön test, böyle bir şey normaldir.
Normalleştirme işlevinin 50 değil de 5000 barlık bir diziyi hemen almasının daha iyi olup olmadığı hala tam olarak açık değil, böylece en baştan daha doğru maks ve min'i bulur ve bunları zamanla güncellemez, çünkü test bölümünün başında, girişe tam olarak doğru bir şekilde normalleştirilmemiş değerlerin besleneceği ve daha sonra giderek daha doğru bir şekilde ortaya çıktığı ortaya çıktı.
Evet, 5000'den daha doğru olacaktır. Ayrıca, gerçek ticaret sırasında, Expert Advisor'ı başlattıktan, terminali yeniden başlattıktan vb. sonra minimum ve maksimum değerler sıfırlanacaktır. Tüm optimizasyon başarısız olur. Depozito imha edilecek.
Ayrıca, kar elde etmek için koddaki bir şeyi değiştirmeye çalışıyorum - örneğin, herhangi bir ekleme yapmadan doğrusal regresyonun saf sonucunu aldım ve 1000 ile çarpıp 0,5 ekledim. Sonuç hemen hemen her zaman [0;1]'de olacaktır (hâlâ sınırların ötesine geçerse, günlüğe bir hata çıkaracağım ve çarpanı daha sonra azaltacağım), merkez her zaman 0,5'tir ve tüm bunlar asla yanlış gitmeyecektir.
Artı, örneğin, sabit bir seri üzerinde regresyon eğimi ve otokorelasyonun ne kadar iyi olduğundan emin olana kadar, grafiklerin hala trendini düşürür ve ızgara için daha sindirilebilir değerler verirdim, çünkü. Ekonometride iyi değilim, şimdi video izliyorum
Durağan serilerde regresyonun eğimi sıfır olacaktır, bunu aramaya gerek yoktur. Genel olarak, son N çubukta mevcut trendin eğimini bulmak istiyorsanız, o zaman doğrusal regresyon oldukça iyi, kodda zaten her şey yolunda.
Otokorelasyon ile bir şekilde çamurlu olacaktır, çünkü bu tek bir değer değil, uzun bir vektördür (gecikme 1 ile korelasyon, gecikme 2 ile korelasyon, gecikme 3 ile korelasyon vb.). Tüm bu değerler RNN'ye sığmayacaktır.
Durağan serilerde regresyonun eğimi sıfır olacaktır, bunu aramaya gerek yoktur. Genel olarak, son N çubukta mevcut trendin eğimini bulmak istiyorsanız, o zaman doğrusal regresyon oldukça iyi, kodda zaten her şey yolunda.
Otokorelasyon ile bir şekilde çamurlu olacaktır, çünkü bu tek bir değer değil, uzun bir vektördür (gecikme 1 ile korelasyon, gecikme 2 ile korelasyon, gecikme 3 ile korelasyon vb.). Tüm bu değerler RNN'ye sığmayacaktır.
Hayır, hayır, reg'in eğimini grafiklerin normlarına göre hesaplıyoruz ve döngünün periyodikliğini 0'dan 1'e bir şekilde iletmek için detrend, mb'ye göre otokorelasyon arıyoruz, örneğin hangi faz gibi? döngü biz şimdi
Onlar. girişte, bu yönde bir regresyon eğimi ve döngüsellik şeklinde bir yöne sahip olacağız.
Ve RNN tipini MLP için otomatik kodlayıcı olarak nasıl kullanmayı düşünüyorsunuz?
Bu cümlede bir yanlışlık var :)
Otomatik kodlayıcı, şunları yapabilen bir nörondur:
1) biraz vektör alın (örneğin, bir zaman serisi) ve çıktıda daha küçük uzunlukta başka bir vektör çıktısı alın. Az kayıpla bir tür veri sıkıştırma.
2) Daha önce elde edilen kısa veri vektörünü alın ve orijinal verileri ondan geri yükleyin (neredeyse orijinal, ilk adımdaki kayıplara bağlıdır). Yani dekompresyon.
Hayattan bir örnek - çok fazla disk alanı kaplayan bir format olan BMP formatında bir resmimiz var. Otomatik kodlayıcı piksellerini alır ve bize yeni bir vektör verir - JPG görüntüsünün pikselleri. Aynı resim, ancak daha az disk alanı kaplıyor ve biraz bulutlu.
Ardından, isterseniz, JPG'den BMP'yi geri alabilirsiniz, ancak orijinal parlaklığı ve parlaklığı geri getiremezsiniz.
JPG algoritmasını nörona koyabileceğimi sanmıyorum, örnek tamamen netlik için.
Burada ve RNN, ilk olarak, bir zaman serisi değil, ancak bu durumda zaten RSI ve bize orijinal fiyatların hiçbir şekilde geri yüklenemeyeceğine göre yalnızca bir değer döndürecek.
Maksim Dmitrievski :
Hayır, hayır, reg'in eğimini grafiklerin normlarına göre hesaplıyoruz ve döngünün periyodikliğini 0'dan 1'e bir şekilde iletmek için detrend, mb'ye göre otokorelasyon arıyoruz, örneğin döngünün hangi fazı gibi. döngü biz şimdi
Onlar. çıktıda, bu yönde bir regresyon eğimi ve döngüsellik şeklinde bir yöne sahip olacağız.
Bu cümlede bir yanlışlık var :)
Burada ve RNN, ilk olarak, bir zaman serisi değil, bu durumda zaten RSI alır ve bize orijinal fiyatların hiçbir şekilde geri yüklenemediğine göre yalnızca bir değer döndürür.
ama 3 rsi okumalarını eski haline getirebiliriz :) onları sıkıştırdı ve olasılığı verdi, değil mi? )
autoencoder'da da bilgi kaybı var.. Farkları henüz anlamadım. Mb fark tamamen mimaride, sanki basitleştirilmiş bir versiyonumuz var
Ben de baktım. IMHO, bu bizim konu alanımız değil.
Peki neden olmasın? M1 için EURUSD için yayınlar gördüm çok daha fazlası.
rugarch'ta izlenmeli
Bu GARCH'lardan çok var. Üç grup parametresi vardır: modelin kendisi, ortalamanın türü ve artık dağılımın türü. ve her şey kanıtlanmalıdır, yani. en iyi şekilde veri madenciliği. Parametre türlerinin her biri için son gıcırtı. Detrending yukarıda tartışılmıştır. Yani GARCH'ta ARFIMA ile trendden çıkmak, yani. kesirli farklılaşma ile (Hurst).
Peki neden olmasın? M1 için EURUSD için yayınlar gördüm çok daha fazlası.
rugarch'ta izlenmeli
Bu GARCH'lardan çok var. Üç grup parametresi vardır: modelin kendisi, ortalamanın türü ve artık dağılımın türü. ve her şey kanıtlanmalıdır, yani. en iyi şekilde veri madenciliği. Parametre türlerinin her biri için son gıcırtı. Detrending yukarıda tartışılmıştır. Yani GARCH'ta ARFIMA ile trendden çıkmak, yani. kesirli farklılaşma ile (Hurst).
Peki, grub ağa nasıl itilir? yanı sıra bazı giriş göstergeleri. Sonuçta ağın kendisi kendi içinde bir model oluşturmalıdır.
Peki, grub ağa nasıl itilir? yanı sıra bazı giriş göstergeleri. Sonuçta ağın kendisi kendi içinde bir model oluşturmalıdır.
İnternete tükür ve düzgün şeyleri müstehcenliğe sokma
İnternete tükür ve düzgün şeyleri uygunsuz şeylere sokma
Hayır, ilgi uğruna kullanmanız gerekiyor, net bir şekilde ızgaralar için bir uygulama ile karşılaşabilirsiniz.
Hayır, ilgi uğruna kullanmak gerekiyor, şebekeler için bir uygulama bulmak açıkça mümkün
Tüm makine öğrenimi ve NN modelleri, amaç fonksiyonuna uyması gereken tahmin edicilere son derece bağımlıdır. Bütün bunlar yukarıda defalarca tartışıldı. Ana işçilik maliyetleri veri madenciliği içindir ve şebekenin kendisi gerçekten önemli değildir.
Pekala, sadece yukarıdaki tahmin seçeneklerini tartışmaya çalışıyordum :) Deneyeceğim, ne