Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 124
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
Bu, bir ticaretten çok değişkenli bir çıkışın açıklamasıdır. kendim uyguladım. Uyum şansını arttırır.
Asıl sorun fazla uydurmadadır, gelecekteki örneklerde mevcut ağaçlar sınıfı yanlış tahmin ettiğinde, daha doğrusu sınıfı daha da kötü ve daha kötü tahmin ederler. Bu iş parçacığında ele alınan konu budur, yani: ortaya çıkan ağaçların gelecekte oluşacağını ve gelecekteki örneklerdeki sınıflandırma hatasının eğitim örneğindekiyle yaklaşık olarak aynı olacağını kanıtlamaya çalışıyoruz.
Bu ima edilmiş olsa da, herkesin anlayabilmesi için eklesem iyi olur.
Tipik olarak, modellerde fazla uydurma, modelin eğitim örneklerini çok doğru bir şekilde hatırlamasıyla sonuçlanır. Eğitim, modelin bazı genel kurallar türetmesi, hedef değerlerin tahmin edicilere bağımlılığı ile başlar, ancak eğitim ilerledikçe, modeldeki bu kurallar daha katı hale gelir ve sonunda tamamen öğrenilmiş örneklere yol açar, model tamamen başarısız olur. yeni veriler üzerinde tahmin. Bu, çapraz doğrulama ve modelin halihazırda bazı genelleştirme kuralları türettiği, ancak henüz belirli örnekleri ezberlemeye başlamadığı aşamada eğitimin durdurulmasıyla çözülür, bu yeni veriler üzerinde daha iyi tahmin göstergeleri verecektir.
Bu, örneğin görüntü tanıma veya ses gibi bağımlılıkların zaman içinde değişmeden kaldığı veriler üzerinde harika çalışır. Ancak forex, bulunan birçok bağımlılığın zamanla kalıcı olmamasından farklıdır. Sorun sadece eğitim örneklerini ezberlemeden öğrenmeyi başarmak değil, aynı zamanda bulunan kalıpların gelecekte de var olacağından bir şekilde emin olmaktır.
Görev daha tam olarak şuna benziyor: tahmin edicileri hedef değişkenle ilgili olarak değerlendirmek için bir yöntem geliştirmek, bu da tahmin ediciler ile hedef değişken arasındaki ilişkinin sabit olduğunu ve yeni verilerde de var olacağını güvenle belirtmemizi sağlar.
Hangi hedef değerlerin kullanılacağı ( çubuk rengi veya tersine çevrilmesi veya eğilim) veya hangi tahmin ediciler (fiyatlar, göstergeler, endeksler) zaten nüanslardır. Bir dizi tahmin ediciyi ve bunların değerleri hedefleme konusundaki tahmin yeteneklerini ve bu tahmin yeteneğindeki zaman içindeki değişimi değerlendirmek mümkünse, o zaman basit numaralandırma ile bile, daha iyi bir tahmine sahip bu tür tahmin edici ve hedef değer kombinasyonlarını bulabilirsiniz. .
O zaman herhangi bir modeli alabilir, eğitebilirsiniz (belki de örneğin bir nöron için önemli olan yeniden eğitim kontrolü ile) ve kase hazır.
Genellikle, modellerde fazla uydurma, modelin eğitim örneklerini çok doğru bir şekilde hatırlamasıyla sonuçlanır. Eğitim, modelin bazı genel kurallar türetmesi, hedef değerlerin tahmin edicilere bağımlılığı ile başlar, ancak eğitim ilerledikçe, modeldeki bu kurallar daha katı hale gelir ve sonunda tamamen öğrenilmiş örneklere yol açar, model tamamen başarısız olur. yeni veriler üzerinde tahmin.
Görünüşe göre sen ve ben burada birlikteyiz, çünkü Alexei'nin konumu benim için tam olarak net değil.
Gerisi çok uzun süredir piyasada olan kişilerin deneyimidir. Ticarette başarılı olan insanlara isteyerek inanıyorum. Literatürden, uzun yıllardır buluşsal yöntemlerde başarılı olan, ancak donuk bir monotonlukla sonuç aynı olan böyle insanlar var - depoyu boşaltmak. Herhangi bir buluşsal yöntem, yeniden eğitim sorusuna yanıt vermez, bu nedenle pipetler her zaman gelir: bir günde, bir ayda, bir yılda ... ama her zaman beklenmedik bir şekilde ve aşırı derecede yanlış zamanda.
not.
Yeniden eğitim, bilimin konusunun birçok ayrıntının açıklanabileceği belirli temel yasaların yalıtılması olması anlamında bilimin temel sorunudur.
Örneğin, Newton yasası.
Bir parça kağıt alıyoruz - kesinlikle yere düşecek. Bu kağıdı buruşturuyoruz - kesinlikle düşecek, ancak daha hızlı. Newton, her şeyin aynı ivme ile düştüğünü iddia eder. Bunun gibi?. Böylece, bir kişi, gerçekliği kabalaştırmak ve evrensel bir yasa elde etmek için çok sayıda olan ayrıntıları atmayı başardı ve işe yaramazsa, bu sapmalar her zaman açıklanabilir.
Bütün bilim böyle işler.
Yaptığımız şey, alıntıyı "kabalaştırma", bu alıntıyı gelecekteki tüm alıntılar hakkında bir fikrimiz olacak şekilde bir model olarak sunma girişimidir.
Aşırı uyumla mücadele, temel bir ticaret sorunudur.
Bu, örneğin görüntü tanıma veya ses gibi bağımlılıkların zaman içinde değişmeden kaldığı veriler üzerinde harika çalışır. Ancak forex, bulunan birçok bağımlılığın zamanla kalıcı olmamasından farklıdır. Sorun sadece eğitim örneklerini hatırlamadan öğrenmeyi başarmak değil, aynı zamanda bulunan kalıpların gelecekte de var olacağından bir şekilde emin olmaktır.
Biraz konu dışı ama küçük bir bilgi...
Ses tanımada, özellikle konuşmada, bir kişi bir kelime söylediğinde böyle bir sorun var - bu kelimenin spektral kalıbı "HMM" veya "RNN" algoritmasına besleniyor.. ama sorun şu ki, başka bir kişi söylerse aynı kelime, o zaman minimum gibi, farklı bir hızda konuşacak, kalıp aynı ama zaman içinde gerilmiş ve şimdi analoji baş ve omuzlar kalıbın genişliği 33 mum ve aynı kafa ve omuzlar eni 88 mum, eni farkli ama desen ayni.... .
Bu sorunu konuşma tanıma ile çözmek için bir algoritma geliştirildi - dinamik zaman atlama "DTW", algoritmanın görevi, farklı uzunluklarda olsalar bile iki benzer vektör bulabilmesidir. Böylece, farklı insanlar aynı kelimeyi söylediğinde, kelimenin bu spektral kalıbı önce "DTW" den sonra "MO" algoritmasına geçer ve kelime başarıyla tanınır.. Henüz kullanmadım, bu yüzden yapabilirim. Bir şey deme ama bence almaya değer, piyasada desen yok dersen de böyle bir algo tabiki işe yaramaz, dünya görüşüme henüz karar vermedim.. .
R'deki paketler: "DTW" , "dtwclust"
Bu, bir ticaretten çok değişkenli bir çıkışın açıklamasıdır. kendim uyguladım. Uyum şansını arttırır.
Yöntem aşağıdaki gibidir (aşağıdakilerin tümü hem ML hem de klasik TS için eşit olarak geçerlidir).
Önemli olan, bir yandan eğitim ve optimizasyondaki uyumdan kurtulmak anlamına gelen belirsizlikten kurtulmak, diğer yandan sistem için açık bir şekilde "yumuşak" gereksinimleri formüle etmektir. Girişteki TP ve SL de bir belirsizliktir, bu yüzden onu yalnızca acil çıkış için kullanırız (bu, enstrümanın oynaklığına bağlıdır ve ampirik olarak seçeriz ve böylece işlemlerin %100'ü mümkün olduğunca nadiren, ideal olarak hiçbir zaman durmaları tetikler. .Girişten çıkışa kadar tüm ticareti tahmin ediyoruz.Spread ve komisyonları hesaba katmadan kârlı bir sonuç olarak başarılı bir ticaret düşünüyoruz (sistemin performansı aydan sonra belirlenir, spread'i karşılayıp karşılayamayacağı ve komisyonlar.) Bir giriş sinyali aldık - girdik, sonra belirli sayıda çubuk bekliyoruz (ampirik olarak belirlenir ve tahmin edicilere ve ticaret aracına bağlıdır), bundan sonra bakarız - karda özkaynak? - anlaşmayı zararda kapatırız - başka bir çubuk bekleyin.Bazen iki parametre kullanırım: minimum çubuk sayısı ve maksimum (eğer anlaşma maksimum çubuk sayısından sonra kapatılmazsa, yine de kapanır) ve bazen sadece bir - minimum çubuk sayısı.
Birçoğu şaşıracak, ancak çoğu, hatta görünüşte umutsuz bile olsa, ML'li her türlü sistemden bahsetmek yerine, arabalardaki TS dahil olmak üzere birçok sistem çalışmaya başlar. İşin püf noktası, kendinden ve arabadan CU'nun betonarme kurallarını talep etmemek, piyasa hareketlerini tam olarak tanımlamaya çalışmamak ve ML için aynı "yumuşak" kuralları vermemektir. Ek olarak, pazarın ağır kuyruklar biçimindeki kötü mirasından kurtuluyoruz (ya da daha doğrusu kuyruklar artık önemli değil), VR'de durağanlık eksikliği önemli olmaktan çıkıyor - çünkü pazar rakamlarının dikey ve yatay olarak ölçeklenebileceğini biliyoruz. iç özelliklerini değiştirmeden (ve bu, Emlöningistler için hayatı inanılmaz derecede zorlaştırır).
Bunu 4. forumda, Svinosaurus iş parçacığında olduğu gibi, tüm araçların iki türü hakkında (belirli sınırlar ve belirsiz) yazdım, ancak orada düşünce bir şekilde bitmedi. Şimdi daha da netleşiyor, değil mi...
Genel olarak, ticaret sistemlerini geliştirirken kendi kuralımı kullanırım: mantıktaki değişiklikler, olası tüm seçeneklerden başarılı parametre seçeneklerinin oranında bir artışa yol açarsa, bunlar iyi değişikliklerdir (ticaret için kötü bir seçenek seçme olasılığı) azalır, parametreleri nasıl değiştirirsek değiştirirsek siyahta kalırız). Bu yaklaşım, araçlarımda bu payı büyük ölçüde artırdı.
İki kelimeyle cevap vermek ve muhataptan 100 satır alıntı yapmak ne vahşi bir alışkanlık???? forumda 120 sayfa var bu gereksiz alıntıları kaldırırsan allah korusun 60 sayfa faydalı metin kalır
Yöntem aşağıdaki gibidir (aşağıdakilerin tümü hem ML hem de klasik TS için eşit olarak geçerlidir)....
Algoritma olarak neyi ve nasıl yapacağınızı maddeler halinde anlatabilirsiniz, çünkü nasıl yapmayı önerdiğinizi gerçekten anlamadım.
Bana öyle geliyor ki, tanımladığınız her şey ARIMA modelinin optimizasyonuna uyuyor. Optimize ederken, modelin inşa edildiği çubuk sayısı seçilir
Algoritma olarak neyi ve nasıl yapacağınızı maddeler halinde anlatabilirsiniz, çünkü nasıl yapmayı önerdiğinizi gerçekten anlamadım.
Fiyat kalıplarının zaman esnemesi konusunda haklısınız. Bahsettiğim şey buydu, dikey ve yatay olarak germek/ölçeklendirmek. Ancak sadece figürlerin kendileri farklı şekillerde değil, aynı zamanda içindeki bireysel mumlar da gerilir. Bu ek bir sorundur ve DTW benzeri ön/son işleme yöntemlerinin yeterince uygulanabileceğinden şüpheliyim. Bunlar bilinmeyen bir şekilde çarpıtılmış piyasa rakamlarıdır.
Daha fazla ayrıntı: mevcut çubukta, satın alma, geleceğe yönelik en küçük çubuk sayısını sayma ve anlaşmanın karlı olup olmayacağını kontrol etme, eğer öyleyse, kapatın, değilse kapatın, bir çubuk daha sayma gibi bir satın alma sinyali ileri ve tekrar kontrol edin. Ve böylece maksimum çubuk sayısına kadar devam edin ve sonunda kapatın. Böyle bir öğrenme mekanizması.
Genel olarak, piyasa verileriyle makine öğrenimi aşağıdakine benzer: makineye grafik şekillerin, dairelerin, karelerin, üçgenlerin, yamukların, farklı boyut ve şekillerdeki şekillerin bir kombinasyonunu gösteriyoruz. Buna karşılık, makine bir tür şekil, üçgen, kare veya daire (abartılı) ile yanıt vermelidir. Cevabı şablona ekliyoruz ve sikişiyoruz! - nikrom, yanıttaki şekille şablonla eşleşmiyor! Ve öğrenme sürecinde, nedense, inanılmaz bir şekilde çakıştılar .... Burada çözülmekte olan problemler bunlar. Ve diyorum ki - sorun değil, şablonu biraz uzatabiliriz, böylece cevaplar eğitim verilerinin dışında bile doğru olur.
Bu, zaten kendi kendine çalışan sistemin temel "balığı" dır. Ancak hiç kimse TS'ye bağlanmamızı ve SL'nin başabaşa transferi gibi prichendally ticarette doğrudan kullanmamızı yasaklamıyor. Sistem aynı kaldı, ancak piyasa bizim yönümüzde hareket etmeye devam ederse, "planı" aşan ek kar elde edeceğiz ve sonra SL'yi takip edeceğiz veya kat edilen mesafeye göre pozisyonun kısmi kapanmasına başlayacağız. belirli bir süre için istatistiksel fiyat hareketi vb.
artırır mısın? Garip ... Ve beni küçültüyor.
Stratejinin çalışmalarını tarih üzerine mi değerlendiriyorsunuz yoksa ileriye dönük bir mesafe var mı? Şeytan tarihin değerlendirmesinde olabilir.
Bakın MT4'te 100 satırda kendi elimle yazılmış bir stratejim vardı. Aralık 2014'te profilimde bunun hakkında yazdım: https://www.mql5.com/ru/users/alexeymosc/page3?#userActions
Ocak 2015'te bir araya getirilen son sürüm şöyle görünür:
Sonra diğer stratejilerle birlikte gerçek hayatta denedim. Ayrıca her yerde onlar hakkında yazdı.
Bu, bu, elleriyle birleşti.
Bugün optimizasyonun sonundan Temmuz ayının sonuna kadar aynı ayarlarla ileriye dönük bir test yaptım. Bak:
Her şey orada listeleniyor. Yayılmış 30, lot 0.1.
Alımların daha iyi sonuç vermesi için tüm keneleri deneyeceğim:
Bir dürtüyle giriş, bir dizi koşulda VEYA'dan çıkış. Temel olarak, bir tür işe yarıyor. Ama zirvede girerseniz, düşüşten çıkmak için bir yıl bekleyin...