Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1120
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
Durum bu, ancak veri kümenizle ... üzgünüm, ancak birçok kişi size en az binlerce örneğe ihtiyacınız olduğunu söyledi ve piyasa verilerinin gürültüsü göz önüne alındığında, yüz binlerce nokta isteniyor , ancak ustalaştığınız zaman Java ve XGB kullanın, örneğin, o zaman geçmişteki azimle kendiniz hala güleceksiniz))
bu yanlış bir ifade
Bu yüzden Matthews katsayısı için geliştirilmiş bir metrik buldum, ama burada üflerseniz ve buradan uzaklaşırsanız ne söyleyebilirim. :-(
Bir sınıftan diğerine bir dizi aktarımı ve pipetlerle karşılaştım ... soracak kimse yok :-(
metrikler araç için kendilerine aitken neden metriklerle uğraşasınız ki? örneğin, numunelerdeki kar faktörünü ölçün ve hepsi bu
ve modelin dahili tahminleri ikincildir, çünkü en küçük hata, yeni veriler üzerinde en yüksek kararlılık anlamına gelmez.
sadece yeni veriler üzerinde işlem performansı yoluyla harici bir değerlendirme kriteri seçin
ama test için büyük bir örneğiniz olana kadar cıvatayı yalayacaksınız .. ve tren için küçük bir örnek kritik değil, burada her şey yolunda
Biri tartışabilir, ancak piyasada sadakat / sadakatsizlik hiç önemli değil, çalışması daha önemli ve genellikle daha fazla örneğim var, sonuç o kadar iyi)))
sadece aynı ormanı veya xgb'yi alırsanız - kaç örneğin yeniden eğitileceği umurlarında değil :) sadece model gigabayt ağırlığında olacaktır
ancak bir dış metrikle özyinelemeli özelliklerin numaralandırılması, küçük alt örneklerde bile meyve vermeye başladı ve hatta harici bir ölçümde bile olmadı.Tren = 100k satır. Kalan 8k+(test) üzerinde modeli uygularsınız. Veriler karıştı.
Mantıksal metrik. Kesimi yayınlayın. Tren =... test=...
Tabii ki bir zaman serisi ile bu yapılmaz. Ancak eğlence için, verilere hiç dokunmadan neredeyse varsayılan LightGBM'ye doldurdum:
Tren: 0.6879388421499111
Test: 0,691518677127092
Test kaynakları, ayrıca CatBoost ile bir bonus:
https://yadi.sk/d/55DDn-hViNWP6Q
Ve sonuçlarınız neler?
metrikler araç için kendilerine aitken neden metriklerle uğraşasınız ki? örneğin, numunelerdeki kar faktörünü ölçün ve hepsi bu
ve modelin dahili tahminleri ikincildir, çünkü en küçük hata, yeni veriler üzerinde en yüksek kararlılık anlamına gelmez.
sadece yeni veriler üzerinde işlem performansı yoluyla harici bir değerlendirme kriteri seçin
ama test için büyük bir örneğiniz olana kadar cıvatayı yalayacaksınız .. ve tren için küçük bir örnek kritik değil, burada her şey yolunda
Test için genel olarak sınırsız alan olmalıdır.
Birisi verilerinin kalitesini kontrol etmek isterse, bir tür çamurlu CSV dosyası şeklinde değil, göstergeler şeklinde sunulmalıdır.
Hedefler işaretlenmemiş olsa da bir şablonla mümkündür ve bir kazanç olması gerektiği o kadar açıktır.
O zaman herhangi bir modeli eğitmek, Uzman Danışman yapmak ve orijinal gösterge ile birlikte objektif olarak test etmek mümkün olacaktır.
Peki, bu bir şey yapma arzusu varsa, ama sadece konuşursanız ...
Daha fazla gürültü, daha fazla örnek, bu temel istatistikler düzeyinde net olmalıdır ve piyasa verileri çok gürültülüdür, yeniden eğitim başka bir konudur, eğer doğru oluşturulmuş özellikleri ve doğru hedefleri öğretirseniz, onlarca ila yüzlerce testte binlerce örnek, yeniden eğitim elde etmek gerçekten zor. Bu nedenle, büyük veri kümeleri iyidir, çünkü veri bilimcisi veya algoritmik tüccar bir mazoşist veya pazara yakın değilse ve özellikleri özelliklerle karıştırmamışsa, yeniden eğitilmesi zordur. Endişenin bariz bir nedeni, özelliğin hedefle %3-5'ten daha fazla ilişkili olmasıdır, bu da muhtemelen gözetleme olduğu anlamına gelir, ancak prensipte böyle bir olasılık olmaması için özellikler oluşturmak daha iyidir, bu algoritmaları biraz karmaşıklaştıracaktır. , ancak muhtemelen acemi algoritmik tüccarların ana hatasını ortadan kaldırın.
Burada hepiniz pazara yakın insanları azarlıyorsunuz, ben de öyleyim, ama siz kendiniz havalı, piyasa algoritmik bir tüccar gibi görünüyorsunuz ve gönderilere bakılırsa, hangi dönemi öğreteceğinizi ve ne ticaret yapacağınızı biliyorsunuz.
Ama bilmiyorum ve dün tartışmayı gördüğümde, dahil olmadım, ama sadece denemeye karar verdim - 8 Ekim'den 18 Ekim'e kadar EURUSD M1 üzerinde bir demo eğittim, komisyoncunun ne kadarı vardı ve başlattı danışman gerçek zamanlı olarak.
Ve bu yüzden şimdiye kadar kâr için ticaret yapıyor ve bir uzman olarak sizin için soru, ne zaman birleşmeye başlayacağı, giriş - 2096584180, şifre - na3tbvr, Tradize-Demo, ama özellikle, geniş tiyatroda gezinen uzay gemileri hakkında değil (c))
Eğitim örneği yetersiz, test cihazının ve optimize edicinin mantığı şeffaf değil (kara kutu)...
Bu Uzman Danışmanın rastgele olduğu, hisse senedinin alım satım maliyetlerinden dolayı aşağı doğru eğimli rastgele bir geometrik yürüyüş olduğu %99,999999999 sonuçtur.
İşlemlerin sıklığına bağlı olarak, yılda yalnızca negatif SR<-0,5 yapabilirim
1. Gerçek zamanlı ticaret, MT4 test cihazı, sinir ağı vardır.
2. cevap %100 yanlış - danışman rastgele değil.
3. 8 günlük ticaret verileri için eğitildi, ancak bir yıl için tahmin edildi...? :)
Not: Özellikle sordum, örneğin - ticaret döneminin eğitim dönemine oranı %30'a kadar ve danışman yarından sonraki gün veya bugün %10'u boşaltmaya başlayacak, ancak bilim sessiz olduğu için ...
Sonuç - %99,999999999 bu Uzman Danışman rastgeledir, eşitlik, alım satım maliyetlerinden dolayı aşağı doğru eğimli rastgele bir geometrik yürüyüştür.
hmm, bu benim resmim, orada ne görebiliyorsun?
;)
rastgele sana söylüyorum
Bunun olamayacağını da söyleyebilirim çünkü asla olamaz. (c) Ve 50 işlem üzerinde çalışmak gerçekçi değildir, ancak sonuç çıkarmak için 30-40 işlem daha (bu 3-4 gün) bakmanız gerekir. Tabii onları görürsek.
Ancak, genel olarak, bu zaten garip.
rastgele sana söylüyorum
işte test cihazındaki çalışması - ve bu sizin rastgele mi?