我已授权

登记

【Hcita视角】 一度案例看懂外汇交易中的机器学习

2018-01-17 13:34:26 和讯 

  本文首发于微信体育比赛下注:GOE谈话风。文章内容属作者个人看法,不代表体育比赛下注立场。销售商据此操作,风险请自担。

  随着“AlphaGo”、“现代化人驾驶”、“大多少拍卖”等名词不断出现在大众的视野中的时候,农田水利和机器学习这些词被不断的讲话起。甚至很多口以为:2016年是书法时代之元年,2017年人工智能将会得到更加便捷的升华。作者也相信这是一番趋势,因为基于算法的机器学习是高新科技的中坚,采取恰当的话,无疑非常强大,送各行各业带来全新的姿容。

  时下,在内外量化交易领域已经有个别CTA政策或者外汇EA会涉及一些机器学习。这就是说机器学习到底是如果运作的呢?当天就送大家演示下用简单机器学习去做外汇行情试想。

  1、最先,把需要处理的数目准备好

【Hcita视角】 一度案例看懂外汇交易中的机器学习

  Mt4使得脚本处理好数据,再写入csv阴,表现我们的教练数据。

  多少量为1.8万条,多少取样为XAUUSD 1h短期。

  2、导入数据,开展拍卖

  import pandas as pd

  import numpy as np

  from sklearn.cross_validation import train_test_split

  from sklearn.preprocessing import StandardScaler

  #获取经过mt4拍卖的数目集

  data = pd.read_csv('XAUUSDtick.csv')

  #多少x,y列入

  X = data.iloc[:,[1,2]].values

  y = data.iloc[:,[3]].values

  y = y.ravel()

  X_train,X_test,y_train,y_test = train_test_split(X , y , test_size = 0.35, random_state = 0)

  sc = StandardScaler()

  sc.fit(X_train)

  X_train_std = sc.transform(X_train)

  X_test_std = sc.transform(X_test)

  3、用sklearn的观感机模型训练数据

  from sklearn.linear_model import Perceptron

  #迭代次数1000先后,上学率0.3

  ppn = Perceptron(n_iter = 1000, eta0 = 0.3, random_state = 0)

  ppn.fit(X_train_std,y_train)

  y_pred = ppn.predict(X_test_std)

  print 'Misclassified samples:%d' % (y_test != y_pred).sum()

  print 'Accuracy:%.2f'% accuracy_score(y_test,y_pred)

  好,咱运行代码,得到结果:

  Misclassified samples:2942

  Accuracy:0.47

  4、用逻辑回归模型预测涨跌

  from sklearn.linear_model import LogisticRegression

  lr = LogisticRegression(C=1000.0 , random_state =0)

  lr.fit(X_train_std,y_train)

  y_pred = lr.predict(X_test_std)

  print 'Misclassified samples:%d' % (y_test != y_pred).sum()

  print 'Accuracy:%.2f'% accuracy_score(y_test,y_pred)

  运作下:

  Misclassified samples:2852

  Accuracy:0.49

  探望学习之后的单行线:

【Hcita视角】 一度案例看懂外汇交易中的机器学习

  好了,上述就是一番简单的机器学习案例。如果你能看懂的话,就会发现她不是那么的神妙,写一个机器学习的顺序也是比较简便,但是想要得到一个比较好的结果,确是适用困难之。如果你还是不能看懂的话,那就足以通俗的明白为:机器学习就是一番黑匣子(Black Box),你扔一堆数据进去学习下,接下来如果效果好的话,你就足以把实时的数目交给她,让她给你一个预测,如果效果不好的话,那就只能继续艰苦奋斗了。

  咱从上面这个简单的机器学习可以见到,以此模型是不具有预测性,说来效果是不好的。其实,拿机器学习来做金融市场时间序列的预测,结果基本上也是不可的。成百上千根据的研讨也说明经济时间序列的进项都是随机波动的,不具有自相关的特色。

  那既然机器学习在展望未来行情上,不具备显著性。这就是说为什么还要用她呢?

  咱都清楚,AlphaGO自称一角能和融洽下几百万盘棋,他是通过无数次之自身学习战胜了人类棋手。其实,其次哲学上来说,机器学习就是能够不断训练,不断的犯错,不断的上学,据此增强估计的精度和概率。这就是说对于外汇交易来讲,机器学习可以很好的用在交易策略开发上,比如说在政策参数的挑选上,咱就足以品尝用机器学习来救助我们根据行情选择较好的平均数。

  机器学习还在不断的升华,各族已部分积累也容易把很快之创新和淘汰,想要了解这项技术,不断的上学最前沿的相关知识和申辩是必不可少的。至少能够让咱领略,纪念币市场中有的是宣传自己之EA是运用人工智能来预测行情的基本上都是在做“兜售”。

  还是那句话,机器学习没有那么高深莫测,关键是采用合适的中央。

(义务编辑:何美铃 HF117)

   【免责声明】本文仅代表合作供稿方观点,不代表体育比赛下注立场。销售商据此操作,风险请自担。

瞧全文
写评论 已有条评论 跟帖用户自律公约
谈话 交 还可输入500

新型评论

查阅剩下100条评论

热门体育比赛下注排行榜

和讯热销金融证券产品

【免责声明】本文仅代表作者本人观点,与体育比赛下注无关。体育比赛下注站对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或周期性提供任何明示或暗示的合同。请读者仅作参考,并请自行承担任何责任。

  • 和你侃:大A未迎开门红怕再次寒了散户的心
  • 长城影视控股股东增持“未果”
  • 瞧赌王何鸿�龅拇�奇经历 成功真没那么容易
  • 
       
       


      1.