Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3183

Yeni yorum
 

Aynı algoritma aracılığıyla hem OOS çalışan modelleri hem de çalışmayan modelleri tam olarak aynı şekilde elde ediyorum. Sembol aynı, yeni bir rastgeleleştirme eklenmedi. Sadece rastgele olarak ya uzun süreli modeller ya da yerel modeller buluyor. Çünkü rastgele bir alt örnek üzerinde eğitim (çizgi ile seçilen aralık içinde %40) ve hala rastgeleleştirme yoluyla desen arayan diğer rastgeleleştiricilere dayanıyor, rastgeleleştirme de bunu takip ediyor.


 
fxsaber #:

Bir.

Bu ifadeyi anlamıyorum. Aşağıdaki iki seçenekle ne kastediliyor?

  1. Çalışabilir bir karakter elde etmek için çok sayıda rastgeleleştirme yinelemesi gerekir.
  2. Çok sayıda rastgele karakter yaratırsanız, aralarında uygulanabilir bir tane olma olasılığı artar.

Rastgeleleştirme algoritması aşağıdaki gibidir:

  1. Gerçek bir tik geçmişi alınır.
  2. Bundan ortalama ((alış+satış)/2) fiyatın bir dizi artışı yapılır.
  3. Bu dizide her terim rastgele +1 ya da -1 ile çarpılır.
  4. Elde edilen artışlar dizisinden, zaman ve yayılmanın 1. nokta ile çakıştığı yeni bir tik geçmişi toplanır.
  5. Yeni tik geçmişi özel bir sembole yazılır.
Yani bazı gerçek semboller rastgele seçilmiştir. Madde 3'ü istediğiniz sayıda uygulayabilirsiniz. 5. maddeden sonra beş noktanın tamamı tekrarlanırsa, bu madde 3'ü iki kez tekrarlamakla aynı şeydir.

Evet, vurgulanan

Birçok kez, birçok karakter çalıştırmanız gerekir. Yukarıda aşırı örnekleyicimin bir örneğini gösterdim. Sadece aynı satırdan eğitim için rastgele örnekler çekiyor ve sonuçlar OOS'de her zaman farklı oluyor.

OOS'de tam olarak aynı keskin düşüşler.
 
Bu SB olayının amacını anlamıyorum, neyi kanıtlıyor? ) Yeterince karıştırırsanız OOS üzerinde istediğiniz eğriyi elde edebilirsiniz.
 
mytarmailS #:
Kahretsin, bunu nasıl basit bir şekilde ifade edeceğimi bilmiyorum.

Test üzerinde optimizasyon yaptıktan sonra OOS üzerinde "elle" daha iyi varyantlar seçersiniz ve bu bir uydurma DEĞİLDİR....

Ve eğer algoritma optimizasyondan sonra OOS üzerinde en iyi seçenekleri seçerse, bu bir uyumdur. Neden?

Tüm varyant setinden en iyi varyantı/seçeneği seçmek optimizasyondur... Bunu elle veya algoritma ile yapmanız fark etmez.

Belki de MT'de sadece test cihazı ile çalıştınız ve optimizasyonun kendisi ve uygulama yolları hakkında biraz kalıplaşmış düşünüyorsunuz, bu yüzden bazı yanlış anlamalarımız var

İfadeniz.

Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi üzerine forum

Ticarette makine öğrenimi: teori, modeller, uygulama ve algo-ticaret

mytarmailS, 2023.08.16 13:23

Genel olarak sadece 1000 TS varyantınız olduğunu düşünün.


1. ve 2. adımlarınız

1) İyi bir TS için optimizasyon/arama yapmaya başlarsınız, bu traine verisidir (uydurma/arama/optimizasyon).

Diyelim ki TC'nin para kazandırdığı 300 varyant buldunuz...

2) Şimdi bu 300 varyanttan OOS'u geçecek bir TC arıyorsunuz, bu test verisidir. Hem traine hem de testte (OOS) kazanan 10 TC buldunuz diyelim.


Peki 2. nokta nedir?

Bu aynı fittingin devamıdır, sadece aramanız(fitting/arama/optimizasyon) biraz daha derin veya karmaşık hale gelmiştir, çünkü artık tek bir optimizasyon koşulunuz (ticareti geçmek) değil, iki koşulunuz vardır (testi geçmek + ticareti geçmek).

Bir milyon kat daha fazla varyant olduğunu hayal edelim: 1 milyar TC, 300 milyon TC varyantı bulunur, burada eğitilmiş örnekte para kazanır - bu p.1'dir.

p.1.'de optimizasyon bazı uygunluk fonksiyonları üzerinde yapılır. Değer ne kadar yüksekse, uygunluğun o kadar yüksek olduğu varsayılır. Yani optimizasyon küresel maksimum değeri bulmakla ilgilidir. Tüm bunlar p.1.


  • Optimizasyon bittiğinde, 300 milyon pozitif sonuç arasından OOS'u geçen beş tanesini arayabilirsiniz. Ben bunu yapmıyorum.
  • Ya da küresel maksimumdan en yakın beş sonucu alabilir ve yalnızca OOS için onlara bakabilirsiniz.
Yani ilkini yaparsanız, bu görünümün bir optimizasyonudur

Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi üzerine forum.

Ticarette Makine Öğrenimi: Teori, Modeller, Uygulama ve Algoritma Ticareti

fxsaber, 2023.08.19 01:32 pm

Train_optim + test_forward modeline (train+test)_optim'den daha fazla güvenmeniz gerektiğini düşünüyor musunuz?

Yani bu en saf haliyle bir uyumdur.


Ancak ikincisini yaparsanız, bu bir uyum değildir.

 
Maxim Dmitrievsky #:

Aynı algoritma aracılığıyla hem OOS çalışan modelleri hem de çalışmayan modelleri tam olarak aynı şekilde elde ediyorum. Sembol aynı, yeni bir rastgeleleştirme eklenmedi.

Aynı sembol üzerinde olmayan bir eğitim aldım. Açıkçası rastgeleleştirme bulutunda herhangi bir özelliğe sahip seriler vardır.

 

Ön taraf daha kötü ve arka taraf daha iyi. Tersi durumlar da tamamen aynı. Sadece şu anda çok fazla yeniden inşa yapmadım.

 
fxsaber #:

Senin iddian.

Toplamda bir milyon kat daha fazla varyant olduğunu düşünelim: 1 milyar TC, 300 milyon TC varyantı bulunur, burada eğitilmiş örnekte para kazanır - bu nokta 1'dir.

P.1.'de optimizasyon bazı uygunluk fonksiyonları üzerinde yapılır. Değer ne kadar yüksek olursa, uygunluğun da o kadar yüksek olacağı varsayılır. Yani optimizasyon küresel maksimum değeri bulmakla ilgilidir. Tüm bunlar p.1.


  • Optimizasyon bittiğinde, 300 milyon pozitif sonuç arasından OOS'u geçen beş tanesini arayabilirsiniz. Ben bunu yapmıyorum.
  • Ya da küresel maksimumdan en yakın beş sonucu alabilir ve yalnızca OOS için onlara bakabilirsiniz.
Eğer ilkini yaparsanız, bu formun bir optimizasyonudur

Yani tamamen uygun.


İkincisini yaparsanız, uygun olmaz.

Anladım. Özür dilerim.

 
fxsaber #:

Birden fazla özellik üzerine eğitim aldım. Açıkçası, rastgeleleştirme bulutunda herhangi bir özelliğe sahip satırlar vardır.

Ben bir sorun göremiyorum. Tüm bu TS'ler rastgeledir çünkü durağan olmayan bir piyasada işlem yaparlar. Ancak bazı varyantlar belli bir perspektifte kâr getirebilir.

 
Maxim Dmitrievsky #:

Evet, vurgulanan

Birçok kez, birçok karakteri koşturmak zorundasınız.


Yukarıda aşırı örnekleyicimin bir örneğini gösterdim. Sadece aynı satırdan eğitim için rastgele örnekler çekiyor ve sonuçlar OOS'de her zaman farklı oluyor.

Gerçek sembol üzerinde böyle bir etkim yok. Optimizasyon aralığının herhangi bir %40'ını seçiyorum ve bundan sonra sonuçlar OOS üzerinde çok benzer.

Bu, rastgeleleştirme için seçtiğim ve eğitim grafiklerini verdiğim semboldür.

OOS üzerinde tam olarak aynı keskin düşüşler.

Onları her zaman görmüyorum.

 
fxsaber #:

Gerçek sembol üzerinde böyle bir etki gözlemlemedim. Optimizasyon aralığının herhangi bir %40'ını seçiyorum ve bundan sonra sonuçlar OOS'ta çok benzer.

Bu, rastgeleleştirme için seçtiğim ve eğitim grafiklerini verdiğim semboldür.

Onları her zaman göremiyorum.

Yine de kenelerde daha fazla alfa olduğu anlamına geliyor. İçlerinde hızlıca arama yapmanın bir yolunu buldum (MO aracılığıyla çok uzun olurdu). İşim bittiğinde sonuçları daha sonra yayınlayacağım.

1...317631773178317931803181318231833184318531863187318831893190...3399
Yeni yorum