Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 433
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
Daha önce bu tür kıvrımlı "desenlerin" bana bir kâseden başka bir şey olmadığını hatırlıyorum, hrenFx yaklaşık 10 yıl önce böyle bir hindi bile hazırladı, ben de kendi versiyonumu yaptım, ama ... bir şekilde pek iyi çalışmıyor, farklı TF'nin oylama kıvrımları ile en basit seçenekler.
Evet, bunu kendi başına yapamayacağı açık - tarihe girmek için sinyaller var ve sınıflandırılması gereken bir takım göstergeler var, ancak Ulusal Meclis çalışmasının sonucu sinyalin teyidi olmayacak. , ancak sinyalin kendisinin üretilmesi. Üzgünüm, belki bu aptalca, ancak bu konudaki yetersiz bilgimle, bunun mümkün olmaması için hiçbir neden göremiyorum - makalenizi okuduktan sonra.
ZZ'yi anlamadım - normal ZZ mevcut ekstremumu gösterir ...
Ve yine, 3Z, sinyal üretimi içindir, onayı için değil - yani. her zaman bir sinyal vardır - büyüyen bir pazarla satış yapmak, ancak Ulusal Meclis, geçmiş seçeneklerin resmine dayanarak bunu onaylamalıdır.
Ulusal Meclisin avantajının, sinyalin geçmişte toplanan bir dizi model tarafından onaylanabilmesi veya reddedilebilmesi, birbiriyle çelişmemesi ve bir ticaret sinyali geldiğinde kontrol edilmesi olduğunu doğru anlıyor muyum?
Genel olarak uzun süre açıklamak için ZZ uygun değildir. Sana tam olarak bunu söylüyorum. Ve ilerisi:
Ne yapmak istediğimize karar vermeliyiz. tahmin edin veya sınıflandırın. Yaklaşımlar tamamen farklıdır, ancak aynı hedefi takip ederler....
Makaleye bir kez daha bakın. Temel strateji, yalnızca piyasayı analiz ettiğimiz zamandaki noktayı belirlemek için gereklidir. Yani olay oldu, analize geçiyoruz. Her şey bir olay olabilir.
Diyelim ki keneler geçti, olay oldu ve analize başladık.
Bir dereceye kadar haklısın. Sinir ağının kendisi, yalnızca temel stratejinin sinyalinin oluşturulduğu anda çalıştığı gerçeğini dikkate alarak sinyaller verir. NN'nin temel strateji sinyalinin bir onayı veya reddi olduğu ortaya çıktı. Bunun gibi bir şey...
İlk olarak, 375.000 barlık geçmişi (M1 için bu bir yıldır) bir diziye yüklüyorum, yani. RAM'de (yaklaşık 30-60 saniye), daha sonra içinden geçiş, desenin derinliğine bağlı olarak 30 ila 700 ms sürer.
Bu sorunun çözümüne nasıl yaklaşılacağını bir kez daha söylüyorum. balık var sanırım...
Ama ağı tek bir model için eğiteceğiz. Pazarın büyümesine yol açan kalıpları 1, düşüşe neden olanları 0 olarak göstereceğiz. Geriye NS'yi eğitmek kalıyor.
Tecrübelerime göre, bunu yapmanın en iyi yolu bu değil. Bir sonraki çubuk için fiyat artışları biliniyorsa, bunları nöron için bir hedef olarak kullanmak daha iyidir. Öyle olsa bile, sadece 0 ve 1 sınıflarıyla karşılaştırıldığında, kazanımlar eğitimde faydalı olabilecek bazı bilgilerdir. hala öğrenme aşamasında olan bazı bilgiler.
Örneğin, Forex için az ya da çok çalışan bir regresyon modelim var, eğer model bir sınıflandırma ile değiştirilirse tamamen bozulur (R'de, sınıflandırma ve regresyon arasındaki geçiş aslında çok basittir, tüm hedefler varsa sınıflandırma genellikle kendi kendine açılır. 0 ve 1'e yuvarlanır veya hedef faktör tipine sahipse ).
Tarihte benzer kalıpları arayan bir gösterge yaptım, işte M1 EURUSD'deki mevcut okumalar. Bir yılda en çok benzeyen 10. https://www.mql5.com/en/articles/197 makalesindeki örneği biraz değiştirdim - en benzer bir seçenek yerine, en benzer olanlardan N tane alıyorum ve cevabın ortalamasını çubukla alıyorum. Bir kalıp aramak için tek bir Kapat fiyatı değil, fiyatın bu süre içinde olduğu kanalı, yani fiyatın bulunduğu kanalı kullanıyorum. düşük ve yüksek. Yayılma değeri kadar Düşük yükseltirim.
Gördüğünüz gibi, tarihteki bu örüntü hem aşağı hem de yukarı doğru hareket verdi (gri ve koyu kırmızı çizgiler). Ortalama fiyat hareketi (beyaz ve kırmızı çizgiler) neredeyse sıfırdır (spread'den biraz daha geniştir), böyle bir tahminle işlem yapmak imkansızdır, spread, swap ve komisyon ticareti zarara uğratır. Bazen bir yönde iyi bir tahminde bulunan ancak iz üzerinde olan kalıplar vardır. bar, tahmin tersine çevrilebilir. Bu durumda pozisyonun ilk dönüşünü yaparsanız, spread ve komisyon yine ilk işlemi kârsız hale getirecektir.
Göstergenin tahmini, NN regresyonu ile karşılaştırılabilir, ancak regresyondan kolayca bir sınıflandırıcı yapılabilir. Düşük ve Yüksek'e ek olarak, herhangi bir gösterge ekleyebilirsiniz.
Doğru anlarsam, sinir ağları esasen bu ortalama göstergesiyle aynı şeyi yapar , yani. tarihte (örneğin, bir yıl) benzer tahmin edici okumalar ararlar (benim durumumda, sadece fiyat) ve ortalama bir tahmin oluştururlar.
Daha kolay yapabiliyorsanız NN kullanmak mantıklı mı - sadece tarihe bakın? Avantajları nedir?
not
Eh, fiyatın aynı kalıpla her iki yönde de gitmesi, hem bir sürecin kazası, hem de stratejileri kırmaya çalışan bir oyuncak bebeğin hileleri olarak kabul edilebilir, hem grafiklerde kalıp arayanlar hem de NN kullanıcıları için. , tahminleri kötüleştirmek veya daha doğrusu şekilde olduğu gibi tahminin sıfıra yakın olması için azaltmak için.
Korelasyon kalıpları mı arıyorsunuz? evet ise boş
NS'm (testler) ile ilgili şu anki işlem haftası, yaklaşık bir aylık testler ve normlara para aktarmak mümkün olacak. Toplam: bir ayda basit, sağlam bir NN yazılmıştır.
Korelasyon kalıpları mı arıyorsunuz? evet ise boş
2 fiyat tablosunu karşılaştırmak için başka seçenek göremiyorum. Başka ne seçenekler var...?
Öğrencilerime öğrettiğim asıl şey bu, bir adam ilkelidir, ölmeye karar verirse eğilmeyiz. Bu öğrenmede en zor şey, bir öğrencim vardı (Maxim), o yüke dayanamadı, yeterince karaktere sahip değildi, çok kadınsıydı, çocuk titriyordu ama başaracaksın!
Korelasyonla, yani istenen modelin her bir çubuğundaki fiyat arasındaki farkla. Buna çubukta bir hata diyelim, sonra tüm çubuklar için hatalar toplanır, toplam hataya göre sıralanır ve en iyi N'yi bulur - en benzer seçenekler.
2 fiyat tablosunu karşılaştırmak için başka seçenek göremiyorum. Başka ne seçenekler var...?
Bir miniium olarak, desenler farklı eğim açılarında (kendinden yakın yapılar) gittiğinden ve ikinci olarak farklı TF'lerde arama yaptığından, çizelgelerin afin dönüşümlerini yapmanız gerekir. Ancak tüm bunlar korelasyon kullanıldığında yardımcı olmuyor - çok farklı modeller buluyor. Bunun için evrişimli sinir ağları (bilgisayar görüşü) daha uygun olacaktır.
Denemek istedim ama henüz başaramadım.
Öngörüye gelince, konu oldukça ilginç. Yani, tarihin arka bahçesinde bulunan bir modelimiz var. Şimdikiyle tamamen aynı. Ancak, bu modele piyasa tepkisi açık değildir. Yukarısı var aşağısı var.
Ayrıca, grafiklerden görülebildiği kadarıyla, aynı model sırasıyla birkaç kez bulundu, olayın gelişimi için birkaç seçeneğimiz var. Sınıflandırmanın devreye girdiği yer burasıdır. Ama ağı tek bir model için eğiteceğiz. Pazarın büyümesine yol açan kalıpları 1, düşüşe neden olanları 0 olarak göstereceğiz. Geriye NS'yi eğitmek kalıyor. Ve bu kalıp göründüğünde, o anda girdi değerleri vereceğiz ve NN bunun bir kalıp olup olmadığını, piyasada bir artış veya düşüş için söyleyecektir.
Elde edilen N şablonunu geçmişten ayırmak artık mümkün olmayacak, çünkü istenilen şablona mümkün olduğunca benzerler ve birbirlerinden minimum farkları var.
Farklılıkları en aza indirmek istiyorsanız, o zaman 10 değil, en benzer 2-3 kalıp için aramanız gerekir, ancak 3 seçenek için tahminde bir tahmin hatası olacaktır = %33, 10 kalıp için %10, 100 için örüntüler yaklaşık olarak %1 (hata hesaplamasında bence orijinalinden bulunan her bir örüntüdeki hata derecesi dahil edilmelidir.)
Bir tahminin oluşturulacağı en uygun şablon sayısını bulma sorunu, optimize ediciye verilebilir.
Elde edilen N şablonunu geçmişten ayırmak artık mümkün olmayacak, çünkü istenilen şablona mümkün olduğunca benzerler ve birbirlerinden minimum farkları var.
Farklılıkları en aza indirmek istiyorsanız, o zaman 10 değil, en benzer 2-3 kalıp için aramanız gerekir, ancak 3 seçenek için tahminde bir tahmin hatası olacaktır = %33, 10 kalıp için %10, 100 için örüntüler yaklaşık olarak 1% (hata hesaplamasına dahil edilmesi gerektiğini düşünüyorum ve her bir örüntünün orijinalinden hata derecesi bulundu.)
Bir tahminin oluşturulacağı en uygun şablon sayısını bulma sorunu, optimize ediciye verilebilir.