Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2587

 
elibrarius # :

Bugün, mevcut çubuktan böyle bir mesafe tahmincisi ekledim. Bir sayı veya sadece bir zaman olabilir. zaman ayırdım.

Döngüsel zamanla, her şey az çok açıktır. Doğrusal olanla çok net değil - tren ve ileri için farklı aralıklarla mı uzanacak? Yoksa her numune için "geçerli çubuk" mu alınıyor?

Sadece olağan lineer lojistik regresyonu alma ve katsayının sıfırından zaman içindeki (veya zamanın bir fonksiyonu) farkın önemine bakma veya bu önemi diğer öngörücüler için önemle karşılaştırma fikrim vardı.

 
Alexey Nikolaev # :

Döngüsel zamanla, her şey az çok açıktır. Doğrusal olanla çok net değil - tren ve ileri için farklı aralıklarla mı uzanacak? Yoksa her numune için "geçerli çubuk" mu alınıyor?

Sadece olağan lineer lojistik regresyonu alma ve katsayının sıfırından zaman içindeki (veya zamanın bir fonksiyonu) farkın önemine bakma veya bu önemi diğer öngörücüler için önemle karşılaştırma fikrim vardı.

Genel olarak, doğrusal zaman gönderme fikri kötüdür. Bu arada, evet: trende her satırda farklı ve ileriye doğru bir seferde sadece 1 satırı analiz ediyoruz, yani. zaman her zaman güncel olacaktır (ki trende değil) ve sayı her zaman 0 olacaktır (ve trende 0'dan 5000'e kadar). Onlar. ne zaman ne de satır numarası verilemez. Testin gösterdiği şey.
 
Peki, girişe bir sinüzoid
 

Sinüzoid - günün saati veya haftanın günü gibi döngüsel zaman için. Ve başlangıçta (Aleksey Vyazmikin tarafından), durağan olmayanlığın etkisini düzenliliklerin bozulması şeklinde yakalamaya çalışmak için sıradan doğrusal zamanla ilgiliydi. Bence bu tür problemlerin çözümü için basit, kolay yorumlanabilir modeller kullanılmalıdır. Karmaşık modeller - pratik amaçlar için, basit - ön analiz için.

Doğru, bu özel durumda bu tür yaygaraların pratik faydaları hakkında şüpheler var. Büyük olasılıkla, kalıplarımız zaman içinde tekdüze değil, döngüsel olarak (ancak periyodiklik olmadan) değişir.

 
Alexey Nikolaev # :

Sinüzoid - günün saati veya haftanın günü gibi döngüsel zaman için. Ve başlangıçta (Aleksey Vyazmikin tarafından), durağan olmayanlığın etkisini düzenliliklerin bozulması şeklinde yakalamaya çalışmak için sıradan doğrusal zamanla ilgiliydi. Bence bu tür problemlerin çözümü için basit, kolay yorumlanabilir modeller kullanılmalıdır. Karmaşık modeller - pratik amaçlar için, basit - ön analiz için.

Doğru, bu özel durumda bu tür yaygaraların pratik faydaları hakkında şüpheler var. Büyük olasılıkla, kalıplarımız zaman içinde tekdüze değil, döngüsel olarak (ancak periyodiklik olmadan) değişir.

Fraktallar gibi. Döngüseldirler, ancak periyodik değildirler. Pekala.
 
elibrarius # :
Genel olarak, doğrusal zaman gönderme fikri kötüdür. Bu arada, evet: trende her satırda farklı ve ileriye doğru bir seferde sadece 1 satırı analiz ediyoruz, yani. zaman her zaman güncel olacaktır (ki trende değil) ve sayı her zaman 0 olacaktır (ve trende 0'dan 5000'e kadar). Onlar. ne zaman ne de satır numarası verilemez. Testin gösterdiği şey.

Her ne kadar sayı ile deneyecek olsam da... sonuçta, sıfır sayısı ağacın <bir kısım bölünmüş (örneğin, <5000) olan kısmına dahil edilecektir, yani. ağacın ileri kısmı kullanılacaktır. Ama her şey değil. Yanlışlıkla test için zaman ayırmaya karar verdiğim bir şey.

Ancak, bir forvet için en uygun mesafede sayıya göre bölme nasıl yapılır?

 

Sınanmış. Eğitim için 5000 geçmiş çubuklu model, özellik olarak satır numarasını ekledikten sonra Satın Al için iyileştirildi, Sat için bazı yönlerden daha kötü, bazı yönlerden daha iyi.
Ancak 10.000 bar üzerinde antrenman yaparsanız, her iki model de boşalır. Onlar. hikayenin istenen uzunluğunu otomatik olarak belirlemek için bir satır numarası ekleme ana görevi tamamlanmadı.

Şimdiye kadar, yalnızca eğitim için geçmişin uzunluğunu manuel olarak optimize etmek / seçmek için kalır.

 

Görünüşe göre özel ticaret metriklerini kullanmanın ana fikri, bunların model seçim aşamasında kullanılmasıdır. Eğitim aşamasında standart metrikler kullanılır. Muhtemelen bu, Maxim Dmitrievsky'nin bu konuda daha önce yazdıklarına benzer.

Yaklaşımın bir örneği olarak küçük bir makale .

The training dilemma: loss vs profit function?
The training dilemma: loss vs profit function?
  • Haris (Chariton) Chalvatzis
  • medium.com
In the world of machine learning, models are trained by minimizing some variation of a loss function. For example, when we try to predict the median house value of a specific zip code, we are dealing with a regression type problem and prime suspects for the loss function, to be used to train our model, are the Mean Squared Error (MSE), Mean...
 
Alexey Nikolaev # :

Görünüşe göre özel ticaret metriklerini kullanmanın ana fikri, bunların model seçim aşamasında kullanılmasıdır.

Bununla birlikte, eğitim aşamasında olan özel metrikleri kullanmak için fikirler var. Aynı zamanda, tüccarlarınkine pek benzemiyorlar, daha ziyade MO için standart olanların ince ayarlı versiyonları.

Belki ticaret metrikleri kötü koşullanmaya yol açar. Bu, örneğin, başlangıçtaki ilginç hata oranı yerine çapraz entropiyi kullanmayı hatırlatıyor (ikincisinin zayıf duyarlılığından bahsediyorlar).

Makine öğreniminde öğrenme ile optimizasyon arasındaki teorik ve pratik boşlukları bir şekilde azaltmak gerekir.   test cihazında.

 
Alexey Nikolaev # :

Bununla birlikte, eğitim aşamasında olan özel metrikleri kullanmak için fikirler var. Aynı zamanda, tüccarlarınkine pek benzemiyorlar, daha ziyade MO için standart olanların ince ayarlı versiyonları.

Belki ticaret metrikleri kötü koşullanmaya yol açar. Bu, örneğin, başlangıçta ilginç olan hata oranı yerine çapraz entropinin kullanımını hatırlatıyor ( ikincisinin zayıf duyarlılığı hakkında diyorlar ).

Güven ama kontrol et.
Alexey Nikolaev # :
Makine öğreniminde öğrenme ile optimizasyon arasındaki teorik ve pratik boşlukları bir şekilde azaltmak gerekir.   test cihazında.

TP / SL ile modeller yaptığımda doğruluk mutlaktı. Hem modelde hem de test cihazında işlemler aynı çubuklarda açıldı ve aynı TP/SL ile kapatıldı. Ama verim 0 civarındaydı.
Açılış fiyatlarında test edilmiştir. Ama onlarda bir sorun var... Barda minimum yayılma kullanılıyor.

Onlar. test cihazındaki siparişlerin ve TP/SL'nin bir kısmı fiyata çalışacak

YÜKSEK ASK = YÜKSEK TEKLİF + minimum spread.

Ve gerçek ticarette çalışacak olanlar çalışmayacak.

ASK YÜKSEK (gerçek) = TEKLİF YÜKSEK + Maksimum ASK'dan hesaplanan spread

Geliştiricilere, minimum yayılmayı değil, çubuklarda tasarruf etmelerini birkaç kez önerdim, ancak

Spread = YÜKSEK SORUN - YÜKSEK TEKLİF.

Böyle bir yayılma ile, fiyatları açarak test etmek, gerçek keneler ile test etmeye daha yakın olacaktır.

Örneğin, çubuk başına minimum spread = 0.00002 ve Spread = YÜKSEK SORUN - TEKLİF YÜKSEK = 0.00020. Onlar. gerçekte, ASK fiyatı test fiyatından 0.00018 daha yüksekti. İşlemlerin açılabileceği/kapatılabileceği yerler.

Ancak MetaQuotes'tan yanıt yok ((

Not: Daha fazla doğruluk için, Düşük Ask'ı hesaplamak için bir forma da ihtiyacınız var.