Thảo luận AI-Deep Learning Hội Quán

Huấn luyện mô hình và đưa ra dư báo
Rất tiếc là mô hình dến giờ chưa làm việc hiệu quả, qua các vòng huấn luyện thì sai số của tập huấn luyện có giảm dần nhưng sai só tập kiểm thử không giảm. Mô hình bị hiện tượng overfit.
f6.PNG
Tham số sau vòng huấn luyện thứ 5 được tính toán cho tập kiểm thử, kết quả rất tệ, sai số mse =0.29
f7.PNG

Tạm kết luận
- Như rất nhiều nhà chuyên môn đã đưa ra ý kiến từ trước, ttck có tính ngẫu nhiên, các ptkt truyền thống cũng cho thấy tính ngẫu nhiên, nên việc cố gắng tìm quy luật ttck bằng AI, ML, DL có thể sẽ phí thời gian
- Áp dụng khi chỉ có hiểu biết sơ lược về MLDL thì rất khó, khi có vấn đề không biết xử lý ntn kể cả khi có viber coding trợ giúp, cá nhân mình đang dừng lại, cần phải đọc lại nhiều để tìm ra sai sót, đặc biệt là bước tiền xử lý data
 
E ko rành món này, a Rắn thử chạy cái này xem.
Dùng 2 đường supertrend, factor 3 và factor 6
Buy khi giá nằm trên cả 2 đường ST, bán khi giá nằm dưới ST 3.
Short khi giá nằm dưới cả 2 đường ST, cover khi giá vượt lên ST 3.
Chart daily ạ 😅, chứ chart theo phút với giờ nhiễu lắm hic hic.
 
TuanMinh said:
E ko rành món này, a Rắn thử chạy cái này xem.
Dùng 2 đường supertrend, factor 3 và factor 6
Buy khi giá nằm trên cả 2 đường ST, bán khi giá nằm dưới ST 3.
Short khi giá nằm dưới cả 2 đường ST, cover khi giá vượt lên ST 3.
Chart daily ạ 😅, chứ chart theo phút với giờ nhiễu lắm hic hic.
Click to expand...
Me too, không rành lắm, nhưng ngay từ đầu đặt gạch, có cảm giác là anh Rắn chọn mô hình quá phức tạp (Breakout 3 tầng), data lại quá ít (chỉ có 350 cú break).
Đn chỉ nghĩ đến chuyện Overfiting, có nên hướng đến việc làm này chăng?
1. Gia tăng điểm break lên tầm 1000 cú.
2. Giảm tính phức tạp của Breakout. Vd: Bỏ hết các yếu tố 3 tầng, giữ lại 1 tầng Momen thôi. Đn hay check +- DI, rồi dò xét các mốc 40, 50 (+DI break 50 thì buy, -DI break 50 thì sell, chẳng hạn vậy. Đương nhiên filter tín hiệu bằng SMA200).
3. Thay timeframe không giải quyết được tính ngẫu nhiên trong PTKT.

Overfitting​

  • Khái niệm: Overfitting xảy ra khi mô hình học quá nhiều từ dữ liệu huấn luyện, dẫn đến việc nó ghi nhớ các chi tiết và nhiễu của dữ liệu thay vì học được các quy luật tổng quát.
  • Biểu hiện: Mô hình có hiệu suất rất tốt trên tập huấn luyện nhưng kém trên tập kiểm thử. Điều này có nghĩa là mô hình không thể tổng quát tốt cho dữ liệu mới.
  • Nguyên nhân:
    • Mô hình quá phức tạp (nhiều tham số).
    • Dữ liệu huấn luyện quá ít hoặc không đủ đại diện.
  • Giải pháp:
    • Sử dụng kỹ thuật regularization (như L1, L2).
    • Giảm độ phức tạp của mô hình.
    • Sử dụng kĩ thuật dropout (trong mạng nơ-ron).
    • Tăng kích thước tập dữ liệu huấn luyện.
 
Chán said:
Me too, không rành lắm, nhưng ngay từ đầu đặt gạch, có cảm giác là anh Rắn chọn mô hình quá phức tạp (Breakout 3 tầng), data lại quá ít (chỉ có 350 cú break).
Đn chỉ nghĩ đến chuyện Overfiting, có nên hướng đến việc làm này chăng?
1. Gia tăng điểm break lên tầm 1000 cú.
2. Giảm tính phức tạp của Breakout. Vd: Bỏ hết các yếu tố 3 tầng, giữ lại 1 tầng Momen thôi. Đn hay check +- DI, rồi dò xét các mốc 40, 50 (+DI break 50 thì buy, -DI break 50 thì sell, chẳng hạn vậy. Đương nhiên filter tín hiệu bằng SMA200).
3. Thay timeframe không giải quyết được tính ngẫu nhiên trong PTKT.

Overfitting​

  • Khái niệm: Overfitting xảy ra khi mô hình học quá nhiều từ dữ liệu huấn luyện, dẫn đến việc nó ghi nhớ các chi tiết và nhiễu của dữ liệu thay vì học được các quy luật tổng quát.
  • Biểu hiện: Mô hình có hiệu suất rất tốt trên tập huấn luyện nhưng kém trên tập kiểm thử. Điều này có nghĩa là mô hình không thể tổng quát tốt cho dữ liệu mới.
  • Nguyên nhân:
    • Mô hình quá phức tạp (nhiều tham số).
    • Dữ liệu huấn luyện quá ít hoặc không đủ đại diện.
  • Giải pháp:
    • Sử dụng kỹ thuật regularization (như L1, L2).
    • Giảm độ phức tạp của mô hình.
    • Sử dụng kĩ thuật dropout (trong mạng nơ-ron).
    • Tăng kích thước tập dữ liệu huấn luyện.
Click to expand...
Em cũng thấy a Rắn chọn mô hình phức tạp quá, món này có lẽ nên đơn giản hóa 1 tí.
 
TuanMinh said:
Em cũng thấy a Rắn chọn mô hình phức tạp quá, món này có lẽ nên đơn giản hóa 1 tí.
Click to expand...
Mô hình này, đn nghĩ anh Rắn lấy ý tưởng từ cụ Turtle. Mà theo sách vở cũ (ngày xưa đọc), cụ Rùa có nhấn mạnh: Điểm quan trọng trong cách chơi là Gia Tăng Size trong 1 trade đúng, và gồng lãi thật lâu. Theo anh Rắn mô tả, hình như ko có điểm nhấn này.
Thôi, ngồi hóng tiếp, xem anh Rắn giải quyết vấn đề ra sao? Tránh làm loãng topic!!!
 
Thanks các comment của các bạn.
- ST mình cũng đã kiểm tra trước đây trong Bài 10 phương pháp đó, nó không hiệu quả.
- Việc bỏ 1 tầng rồi thêm vào +/-DI có làm giảm độ phức tạp đi không? Thật ra trong bài đó tầng Donchian(20) không quan trọng, tầng volume cũng không quan trọng khi break. Quan trọng là break momentum(50) của chart 5m, tương ứng break monentum của phiên hôm trước. Điều này phù hợp với nhiều lý thuyết như Turle, Elliott, cycle.
- Tầng momentum của mình thi đúng là phức tạp, vì có dùng RSI làm momentum dài hạn, RWI làm momentum ngắn hạn, và một chỉ báo momentum ngắn hạn khác, tự tạo. Chúng đều có hiệu quả khi chạy back test. Một mặt là nó tăng winrate, tăng profit, bỏ bớt false break, nhưng mặt khác nó làm trễ điểm vào.
-Việc chia nhỏ sức mua và vào từng phần được Turtle áp dụng vì họ có sức mua khá lớn so với thanh khoản thị trường, các turtle lúc đó được cấp hàng triệu đô.
- Hiện mình dò fix tay cho các điểm data rồi sẽ chạy lại
 
Last edited:
You must log in or register to reply here.
Back
Top