Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1517
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
Soru 01.
Aşağıdaki göstergelerin yalnızca bir harici giriş parametresi vardır
Bu göstergeleri, minimum harici giriş parametrelerinin varlığından dolayı seçtim.
ML yöntemlerini kullanarak algoritmalarını çoğaltmak mümkün mü? Onlar. herhangi bir hikaye alın, herhangi bir parametre ile göstergeleri çalıştırın ve MO'yu besleyin. Sonuç olarak ilgili göstergenin algoritmasını almak mümkün müdür?
Soru, MO için sorunun formülasyonunda, yani. tarihi işaretlemeniz gerekiyor, işte aynı PriceChannel, bence eğitilmesi kolay, ZZ karmaşıklık açısından ikinci sırada olacak, ancak Üstel düzleştirilmiş olan artık sınıflandırma değil, regresyon, görünüşe göre bu olacak aynı fikir, ancak regresyon ile çalışmadım.
Soru 03.
Birkaç kez böyle durumlarla karşılaştım. TS, test aralığındaki karı gösterir. OOS'u birçok kez daha başlatırsınız - aynı kâr niteliği. Gerçek ve birkaç ay boyunca aynı kâr niteliğine bahse girersiniz.
Ve bir noktada, planlı bir tahliye. Aynı TS'nin yeniden optimizasyonu olumlu sonuçlar vermez. En iyi ihtimalle, tahliye yavaşlar.
Bir süre sonra her şeyin kötü olduğunu anlıyorsunuz ve onu gerçeğinden uzaklaştırıyorsunuz. Birkaç ay boyunca test cihazında TS'nin nasıl boşaltıldığını izlersiniz.
Ve aniden, iki haftalık kâr, bir aylık kâr, OOS-ay - kâr. Hala aynı araç. Gerçeğe koyarsınız ve her şeyi ilk paragrafta anlatıldığı gibi alırsınız.
Bu varsayımsal bir durum değil, uygulamadan kaynaklanan bir durumdur. Aynı zamanda, TS griliğini yalnızca az sayıda karakter üzerinde gösterdi. Diğerlerinin yıl boyunca drenajı vardır.
Ve elbette, TC'nin günün her saatinde ticaret yapması gerekmiyordu. Gün içi işlem aralığı olabilir.
MO kullanımına yönelik yaygın uygulamalar açısından, benzer özelliklere sahip bir araç elde etmek mümkün müdür?
Soru 02.
Dört giriş parametresine sahip bir TS'nin belirli aralıklarla binlerce işlem yapmasına izin verin. Düşük sayıda olası seçeneğe sahip iki giriş parametresini filtre olarak ekliyoruz. Çıktıda, yaklaşık bin işlemin kaldığı düz yukarı şeklinde bir grafiğimiz var. Ve hepsi, test alanı boyunca aşağı yukarı eşit olarak dağılmıştır.
OOS'ta orijinal aralığın %5'inde neden yüksek bir tahliye olasılığı var? Büyük bir aralık ve sadece altı giriş, gerçekten çok sayıda işlemden doğrudan vazgeçti. Ve çıplak bir uyum vardı.
Bu, aslında altı girdi parametresi değil, çok daha fazlası olduğu anlamına mı geliyor? İlk soruya bir tür referans, bizim için basit olan algoritmalar aslında doğası gereği karmaşık değil mi?
Neden bir drenaj olmamalı? Tarihsel verilerin benzerliğinin ne olduğu, modelin doğruluğunu değerlendirmek için ayrı bir konudur.
Ve sonra, girişte ne verildi, öğrenmek için tarihi nasıl belirlediler, ne öğrettiler - burada birçok nüans var.
Soru 03.
Birkaç kez böyle durumlarla karşılaştım. TS, test aralığındaki karı gösterir. OOS'u birçok kez daha başlatırsınız - aynı kâr niteliği. Gerçek ve birkaç ay boyunca aynı kâr niteliğine bahse girersiniz.
Ve bir noktada, planlı bir tahliye. Aynı TS'nin yeniden optimizasyonu olumlu sonuçlar vermez. En iyi ihtimalle, tahliye yavaşlar.
Bir süre sonra her şeyin kötü olduğunu anlıyorsunuz ve onu gerçeğinden uzaklaştırıyorsunuz. Birkaç ay boyunca test cihazında TS'nin nasıl boşaltıldığını izlersiniz.
Ve aniden, iki haftalık kâr, bir aylık kâr, OOS-ay - kâr. Hala aynı araç. Gerçeğe koyarsınız ve her şeyi ilk paragrafta anlatıldığı gibi alırsınız.
Bu varsayımsal bir durum değil, uygulamadan kaynaklanan bir durumdur. Aynı zamanda, TS griliğini sadece az sayıda sembol üzerinde gösterdi. Diğerlerinin yıl boyunca drenajı vardır.
Ve elbette, TC'nin günün her saatinde ticaret yapması gerekmiyordu. Gün içi işlem aralığı olabilir.
MO kullanımına yönelik yaygın uygulamalar açısından, benzer özelliklere sahip bir araç elde etmek mümkün müdür?
Yani bu yine piyasanın aşamaları ve TS/MO modelinin ne öğrendiği ile ilgili bir soru. Örneğin, modeli CatBoost üzerinde eğittim - eğitim dışında tarihte her şey yolunda, gerçeğe koydum ve sessizlik 3 ay boyunca sessizdi - çıkardım ve geçen ay boyunca testler aracılığıyla görüyorum ki ben (geçen ay içinde) bir sürü karlı işlemi kaçırdı, ancak burada görünüşe göre, modelin kendisi bir şeyi hesaba kattı ve işlem yapmadı, çünkü piyasa gerçekten çok düz bir dönem geçirdi ve model trend için ayarlandı (bir süre için) dakika).
Neden bir drenaj olmamalı? Tarihsel verilerin benzerliğinin ne olduğu, modelin doğruluğunu değerlendirmek için ayrı bir konudur.
Ve sonra, girişte ne verildi, öğrenmek için tarihi nasıl belirlediler, ne öğrettiler - burada birçok nüans var.
Ne eğitimi? Altı optimize edilmiş parametreye sahip sıradan bir klasik Uzman Danışman. Düzenli GA, aralıkta mükemmel bir sonuç verir.
"Tabii ki, OOS'taki tahliyeyi ne bekliyordunuz" cevabıyla ilgilenmiyorum. Ve binlerce işlemle bile OOS'taki tahliye hangi nedenle haklı?
Amatörce mantığım şu şekilde.
TS çok az serbestlik derecesine sahiptir. Bu, uydurma olasılığının azaldığı anlamına gelir.
Aralık boyunca eşit olarak dağıtılan binlerce işlem, bu aralıkta uzun süredir devam eden bir "düzenliliğin" ortaya çıktığı anlamına gelir. Ayrıca, denge grafiği neredeyse düz bir çizgidir.
Bu argümanlarda gerçekten yanlış olan nedir? Aslında altı girdi parametresi olmadığını, şartlı olarak bir milyon olduğunu varsayıyorum. Bu, TS algoritmasını yeniden üreten evrensel makinenin giriş parametrelerinin sayısıdır. Onlar. algoritmanın kendisi belirli bir girdi parametreleri kümesidir.
Ne eğitimi? Altı optimize edilmiş parametreye sahip sıradan bir klasik Uzman Danışman. Düzenli GA, aralıkta mükemmel bir sonuç verir.
"Tabii ki, OOS'taki tahliyeyi ne bekliyordunuz" cevabıyla ilgilenmiyorum. Ve bin işlemle bile OOS üzerindeki boşaltma hangi nedenle haklı?
Öğrenme aralığı nedir? 1000 işlem, vektörü boyunca pozisyon açmanın kendi içinde bir avantaj sağlayacağı tek bir küresel trendde olabilir.
Örneğin gelecekler Si 5 yıldır tarih üzerine ders veriyorum ki daha farklı durumlar ortaya çıksın. Forex Uzman Danışmanları 2008'den 2016'ya 15 dakika boyunca optimize ettim - ortalamalar için oldukça inatçı.
Aslında optimizasyon aynı ML yöntemidir, yani daha önce söylenen her şey doğrudur.
Amatörce mantığım şu şekilde.
TS çok az serbestlik derecesine sahiptir. Bu, uydurma olasılığının azaldığı anlamına gelir.
Aralık boyunca eşit olarak dağıtılan binlerce işlem, bu aralıkta uzun süredir devam eden bir "düzenliliğin" ortaya çıktığı anlamına gelir. Ayrıca, denge grafiği neredeyse düz bir çizgidir.
Neden piyasaların benzerliğini değerlendirmeyi düşünmüyorsunuz - örneğin, Forex oynaklığının son yıllarda gözle görülür şekilde düştüğünü görüyorum, bu yıl bile - eskiden ayda 3-4 kat daha fazla kazanıyordum ama şimdi orada Forex'teki TC'me göre hareket ve işlem yok.
Ve sonra, her şeye objektif olarak bakmanız, gerçekten basitse TS'nin ne yaptığını anlamaya çalışmanız ve eylemlerinin makul olup olmadığını veya bunun bir şans meselesi olup olmadığını düşünmeniz gerekir.
Bu argümanlarda gerçekten yanlış olan nedir?
Akıl yürütme hatalı, çünkü piyasanın durağanlığını varsayıyor ve bu aynı değil ...
Aslında altı girdi parametresi olmadığını, şartlı olarak bir milyon olduğunu varsayıyorum. Bu, TS algoritmasını yeniden üreten evrensel makinenin giriş parametrelerinin sayısıdır. Onlar. algoritmanın kendisi belirli bir girdi parametreleri kümesidir.
Göstergelerden bahsediyorsak, o zaman gerçekten de, aslında çok daha fazla parametre var, çünkü göstergenin mantığını hesaba katmanız gerekiyor, hemen hemen her biri gösterge kodunda ayrı bir koşul olarak, ki bu elbette yol açacaktır. sayısız kombinasyon Ancak, kişisel olarak, aksine, göstergelerin kullanımının sağlıklı bir yaklaşım olduğunu düşünüyorum, çünkü birçok piyasa katılımcısının bunları kullanması gerçeğinden hareket ediyorum, bu da katılımcının TS mantığının bir kısmını para ile yakalama şansı olduğu anlamına geliyor. .
Soru 01.
Aşağıdaki göstergelerin yalnızca bir harici giriş parametresi vardır
Bu göstergeleri, minimum harici giriş parametrelerinin varlığı nedeniyle tam olarak seçtim.
ML yöntemlerini kullanarak algoritmalarını çoğaltmak mümkün mü? Onlar. herhangi bir hikaye alın, herhangi bir parametre ile göstergeleri çalıştırın ve MO'yu besleyin. Sonuç olarak ilgili göstergenin algoritmasını almak mümkün müdür?
EMA benzeri yumuşatma tam olarak elde edilebilir, umarım sonucu kastetmişsinizdir, kod şeklinde "algoritma" değil :)
PriceChannel ve ZZ'den emin değilim, kusurlar kesinlikle belli olacak. Genel olarak, görev ilginç, teşekkürler :)
Soru 02.
Dört giriş parametresine sahip bir TS'nin belirli aralıklarla binlerce işlem yapmasına izin verin. Düşük sayıda olası seçeneğe sahip iki giriş parametresini filtre olarak ekliyoruz. Çıktıda, yaklaşık bin işlemin kaldığı düz yukarı şeklinde bir grafiğimiz var. Ve hepsi, test alanı boyunca aşağı yukarı eşit olarak dağılmıştır.
OOS'ta orijinal aralığın %5'inde neden yüksek bir tahliye olasılığı var? Büyük bir aralık ve sadece altı giriş, gerçekten çok sayıda işlemden doğrudan vazgeçti. Ve çıplak bir uyum vardı.
Bu, aslında altı girdi parametresi değil, çok daha fazlası olduğu anlamına mı geliyor? İlk soruya bir tür referans, bizim için basit olan algoritmalar aslında doğası gereği karmaşık değil mi?
Bu, tahminden çok strateji algoritması ve MM türüyle ilgili bir sorudur. Çoğu test cihazı kasesi, ortalama alma ve bazen fazla çalışma ile ters tiptedir, bu tür kurulumlarda bir "kase" elde etmek çok kolaydır ve daha objektif bir resme sahip olmak için bir parametre ile en azından ortalamayı kaldırmanız gerekir, Bu yeterli olmasa da, IMHO, tahminlerin beklentisini (eğilimler / geri dönüşler) doğru bir şekilde ölçmeniz gerekir, çünkü test cihazı aracılığıyla sadece başkalarını değil, kendinizi de aldatabilirsiniz.
Soru 03.
Birkaç kez böyle durumlarla karşılaştım. TS, test aralığındaki karı gösterir. OOS'u birçok kez daha başlatırsınız - aynı kâr niteliği. Gerçek ve birkaç ay boyunca aynı kâr niteliğine bahse girersiniz.
Ve bir noktada, planlı bir tahliye. Aynı TS'nin yeniden optimizasyonu olumlu sonuçlar vermez. En iyi ihtimalle, tahliye yavaşlar.
Bir süre sonra her şeyin kötü olduğunu anlıyorsunuz ve onu gerçeğinden uzaklaştırıyorsunuz. Birkaç ay boyunca test cihazında TS'nin nasıl boşaltıldığını izlersiniz.
Ve aniden, iki haftalık kâr, bir aylık kâr, OOS-ay - kâr. Hala aynı araç. Gerçeğe koyarsınız ve her şeyi ilk paragrafta anlatıldığı gibi alırsınız.
Bu varsayımsal bir durum değil, uygulamadan kaynaklanan bir durumdur. Aynı zamanda, TS griliğini sadece az sayıda sembol üzerinde gösterdi. Diğerlerinin yıl boyunca drenajı vardır.
Ve elbette, TC'nin günün her saatinde ticaret yapması gerekmiyordu. Gün içi işlem aralığı olabilir.
MO kullanımına yönelik yaygın uygulamalar açısından, benzer özelliklere sahip bir araç elde etmek mümkün müdür?
Herhangi birinin bu tür ayrıntılar hakkında "bütün dürüstlükle" yorum yapması pek olası değildir. Genel olarak, ML'yi boşuna ayrı bir şey olarak seçersiniz, ML sadece istatistiklerin bir uzantısıdır, genel bir algoritma ML'dir, hatta ızgara optimizasyonu ML'dir, bu nedenle ML her zaman algoritmik ticarette olmuştur :)
Tembel insanlar için bir araç arama süreçlerinin tam otomasyonunu umma eğilimi vardır, böylece MO onlar için her şeyi yapar, neyse ki bu uzun bir süre olmayacak ve gerçekleştiğinde finansal olmayacak kullanmak mantıklı, ama şimdilik, klasik MO iyi işaretler aramakta iyi değil ve "derin" her bakımdan hala çok tuhaf, onunla çalışmak bir işkence ve sonuç belirsiz.
Amatörce mantığım şu şekilde.
TS çok az serbestlik derecesine sahiptir. Bu, uydurma olasılığının azaldığı anlamına gelir.
Aralık boyunca eşit olarak dağıtılan binlerce işlem, bu aralıkta uzun süredir devam eden bir "düzenliliğin" ortaya çıktığı anlamına gelir. Ayrıca, denge grafiği neredeyse düzdür.
Bu argümanlarda gerçekten yanlış olan nedir? Aslında altı girdi parametresi olmadığını, şartlı olarak bir milyon olduğunu varsayıyorum. Bu, TS algoritmasını yeniden üreten evrensel makinenin giriş parametrelerinin sayısıdır. Onlar. algoritmanın kendisi belirli bir girdi parametreleri kümesidir.
zaman serisini değerlendirirken yanlıştır (fiyat, zar oynama sırası veya “Çarkıfelek” sayıları veya genel olarak sıcaklık tablosu fark etmez)
Siz (ve biz bu forumun tüm katılımcıları), zaman serilerinin gelecekte tam olarak bu şekilde davranması gerektiğine inandığımızı varsayıyoruz - denedik! Ne yazık ki, her zaman bir uyum vardır ve ne kadar çok girdi kullanırsak, uyum ve güvenimiz o kadar artar.
habré'deki makalenin ilk bölümünü okuyun https://habr.com/ru/company/ods/blog/322716/
programa kadar
sunumu çok beğendim
Peki, MO ile ilgili sorunuz hakkında, amatörce akıl yürütmem:
sorun, giriş verilerini eğitim için hazırlamaktır, ZigZag ile bu genellikle bir sorundur - en basit şey ZZ'de mola fiyatlarını ayarlamaktır - eğitilmiş, test edilmiştir - çalışmıyor, neden? - kesinlikle belirli verilere bağlı olduğundan, gelecekte böyle fiyatlar yoktur, NN sıradan bir polinomdur y = ax + bx + cx + dx + ex ..... polinomların sayısı nöronların sayısıdır, ne kadar çok nöron olursa, kalite o kadar iyi olur (hata NS), ancak yeniden eğitim daha hızlı gerçekleşir .... yeniden eğitim, yeni NS türleri icat edilerek yapılır, ancak daha kötü olduğu yerde de daha iyidir ....
ancak periyodik fonksiyonlarla, NN, aslında ideal olarak çalışır - herhangi bir ölçekte ve minimum eğitim verileriyle bir sinüs / kosinüs grafiği - çünkü bu tür fonksiyonlar bir Taylor serisindeki genişleme kullanılarak yazılabilir mi? (Hala hatırlamıyorum) - ve bu beş polinom y = ax + bx + cx + dx + ex olacak
Not: fiyat serisi ile hiç kimse bir polinom formülü icat etmeyi başaramadı - bu yüzden NS mükemmel çalışmıyor ... belki de böyle bir formül yoktur)))
Bu, tahminden çok strateji algoritması ve MM türüyle ilgili bir sorudur. Çoğu test cihazı kasesi, ortalama alma ve bazen fazla çalışma ile ters tiptedir, bu tür kurulumlarda bir "kase" elde etmek çok kolaydır ve daha objektif bir resme sahip olmak için bir parametre ile en azından ortalamayı kaldırmanız gerekir, Bu yeterli olmasa da, IMHO, tahminlerin beklentisini (eğilimler / geri dönüşler) doğru bir şekilde ölçmeniz gerekir, çünkü test cihazı aracılığıyla sadece başkalarını değil, kendinizi de aldatabilirsiniz.
Bu gece bir şeyler çevirdi. Alıntılanmamış bir cevap olarak, başkaları için okumanın ilginç olacağını düşünüyorum.
https://www.mql5.com/en/blogs/post/728196
1. Evet, biraz doğrulukla (yaklaşım hatası)
2. 3. dereceden bir polinom alın (sadece 3 serbest terim) ve grafiğin en az bir kilometre uzunluğundaki bir parçasına sığdırın. Bu, OOS için çalışacağı anlamına mı geliyor? Tabii ki değil. Eğriler neredeyse anında ayrılmaya başlayacak, ancak bazen yön konusunda şanslı olabilirsiniz. Düzenlilik bilinmiyorsa (teorik olarak, kavramsal olarak, temelde - her neyse), sömürülen, o zaman soru kaldırılabilir, çünkü. her zaman SB için uygundur
3. t.z MO ile istediğiniz her şeyi elde edebilirsiniz. Temel olarak, bu bölümler belirli eğilimlerle olacaktır, eğer benzerlerse işe yarayacaktır. Onlar. bu durumda, orta vadede büyük olasılıkla değişen veya piyasanın eski haline benzer hale gelen küresel eğilimdir. Yani çalışıyor/çalışmıyor.
Tüm bu sorunlar ekonometride kavramsal düzeyde çözülür: doğrusal eğilim ana bileşendir, ilk önce tahmin edilir. Ardından, trendin korunması şartıyla düz bir çubuk etrafında doğrusal olmayan dalgalanmalar. Tarihin olmaması nedeniyle en büyük eğilimi tahmin etmek imkansızdır, yani. tüm belirsizlikler uzun vadeli plandan kaynaklanacak. Genellikle 3'ten fazla olmayan yalnızca birkaç serbest terim herhangi bir piyasa eğrisini tanımlar. Tatarcık, önceden tahmin edilemeyenlerin kalıntılarına göre ayarlanabilir.