Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2595
![MQL5 - MetaTrader 5 müşteri terminalinde yerleşik ticaret stratejileri dili](https://c.mql5.com/i/registerlandings/logo-2.png)
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
O zaman mümkün olan en kısa bölümde eğitim almanın gerekli olduğu ortaya çıkıyor. Böylece kalıbı değiştirdikten sonra yeni model daha hızlı çalışmaya başlar.
Örneğin, eğitim 12 aylık ise, 6 ay sonra kalıp değiştirdikten sonra, yeni ve eski kalıplar 50/50 olacaktır. Ve yaklaşık bir yıl içinde yeni bir model üzerinde eğitim ve ticaret olacak. Onlar. neredeyse bir yıl boyunca, model modası geçmiş bir model üzerinde işlem gördü ve büyük olasılıkla birleşti.
1 ay boyunca antrenman yaparsanız, bir ay içinde model tekrar doğru çalışmayı öğrenecektir.
1 haftada ders çalışmak güzel olurdu... ama veriler zaten yeterli değil.
Oldukça kısa bir süre içinde ayrılmak, buna değmeyeceğinden eminim. Ve veriler, modeller ve piyasanın durumuna aşırı uyum riski için yeterli olmayacak. Adaptasyon kavramı iyi görünüyor, ancak gecikme nedeniyle (veriler birikmiş olsa da, durum zaten değişmiş olabilirdi) pek bir kâse değil. Aynı anda birkaç modeli deneyebilirsiniz - biri daha uzun vadeli kalıplardan, diğeri / diğerleri - daha kısa (mevcut) için, karar, tüm bu modellerin kararlarının bir işlevidir.
ML'nin ticarette kullanımı hakkında daha ilginç sorular var. Örneğin, eğitim için tarihin hangi döneminin alınacağını belirleyen bir algoritma. Muhtemelen, çapraz doğrulama ile optimize edilmiş bazı meta-parametreler tarafından ayarlanabilir. Prado'yu okumalısın
Muhtemelen ileriye doğru yürümek daha iyidir, trenden sonra her zaman OOC'si vardır. HF'de sadece ilk geçiş böyle olacak, geri kalanı tren için verileri hem FOS'tan önce hem de sonra kullanacak.
Oldukça kısa bir süre içinde ayrılmak, buna değmeyeceğinden eminim. Ve veriler, modeller ve piyasanın durumuna aşırı uyum riski için yeterli olmayacak. Adaptasyon kavramı iyi görünüyor, ancak gecikme nedeniyle (veriler birikmiş olsa da, durum zaten değişmiş olabilirdi) pek bir kâse değil. Aynı anda birkaç modeli deneyebilirsiniz - biri daha uzun vadeli kalıplardan, diğeri / diğerleri - daha kısa (mevcut) için, karar, tüm bu modellerin kararlarının bir işlevidir.
5000 satır M5 (yaklaşık 2 ay) üzerinde yapılan en son deneylere göre, ilginç bir şey var. 3000'de her şey zaten kötü. Ancak bu, alınan belirli özellikler + hedef içindir. Belki de kısa bir bölüm üzerinde eğitimden sonra modelin çalışacağı başka bir özellik ve bir hedef olacaktır. Denemek lazım...
Özellik sayısına göre değişir, daha çok özelliği severim, genellikle 5000 yetmez, 5 taneye kadar özellik olursa muhtemelen 5000 normal olur.
O zaman mümkün olan en kısa bölümde eğitim almanın gerekli olduğu ortaya çıkıyor. Böylece kalıbı değiştirdikten sonra yeni model daha hızlı çalışmaya başlar.
Örneğin, eğitim 12 aylık ise, 6 ay sonra kalıp değiştirdikten sonra, yeni ve eski kalıplar 50/50 olacaktır. Ve yaklaşık bir yıl içinde yeni bir model üzerinde eğitim ve ticaret olacak. Onlar. neredeyse bir yıl boyunca, model modası geçmiş bir model üzerinde işlem gördü ve büyük olasılıkla birleşti.
1 ay boyunca antrenman yaparsanız, bir ay içinde model tekrar doğru çalışmayı öğrenecektir.
1 haftada ders çalışmak güzel olurdu... ama veriler zaten yeterli değil.
Gürültü hakkında, evet. Her ne kadar tarihin gürültülü ve gürültüsüz bölümlerini alma açısından düşünmedim. Ve bu arada, modeli eğitmeden önce bunu nasıl anlayabilirim? Yinelemeli olarak mı? Tüm bölüm üzerinde mi çalıştınız, en iyi performans gösterdiği yere baktınız mı, sadece bu bölümlerden ayrıldınız ve ilk başta sadece bu bölümlerde mi eğitim aldınız? Deneysel onaydan önce felsefi olarak adlandırılabilecek ikinci soru ortaya çıkıyor: model için daha iyi olan - farklı bölümleri hemen görmek, dahil. gürültülü ancak ortalama olarak daha gürültülü veriler üzerinde eğitim alın veya daha temiz veriler üzerinde çalışın, ancak koşullu olarak hiçbir zaman gürültülü verileri görmezsiniz.
Dev olmanın nesi kötü? Artan hesaplama süresinin yanı sıra?
Muhtemelen ileriye doğru yürümek daha iyidir, trenden sonra her zaman OOC'si vardır. HF'de sadece ilk geçiş böyle olacak, geri kalanı tren için verileri hem FOS'tan önce hem de sonra kullanacak.
Ve karıştırmazsanız, eşit uzunluktaki bölümleri değiştirmek için uydurmak gibidir.
Muhtemelen ileriye doğru yürümek daha iyidir, trenden sonra her zaman OOC'si vardır. HF'de sadece ilk geçiş böyle olacak, geri kalanı tren için verileri hem FOS'tan önce hem de sonra kullanacak.
"Önümüzdeki dönemde nasıl işlem yapılır?" sorusuna cevap verirsek size katılıyorum. "Tarihin bu döneminde bir örüntü var mı?" sorusuna cevap verecek olursak, özgeçmiş oldukça uygulanabilir.