Už mi to obchoduje - co si o tom myslíte?

Ahoj, ja sice nejsem programatro, ale nevidim duvod proc by to neslo naprogramovat v MT4. Mozna by pomohlo to vice popsat a dat nejake ukazky systemu s obrazkami Je tady dobry programator Vykuk nebo Kralv, tak oni by mohli vedet a poradit.

Já něco podobnýho řeším asi tak, že když uvedu příklad, tak v čase 0:55 nechám proběhnout první výpočet jehož výstupem je balík dat. V čase 01:00 provedu výpočet chybějích 5ti minut a vzniklé dva balíky sloučím a provedu finální výpočet dat.

Pokud jde o databázi, víc se mi líbí Postgres, myslím že dnes je i pokročilejší. Ano, o tom uvažuji že budu žrát data ontick, když už MT nemá kratší timeframy (holt profesionální platforma ....) A pokud jde o DDE???? To přece nemůžeš myslet vážně!

Nejsem si zcela jist,co ti přesně tato funkce vyplivne, zda modus všech stromů nebo hodnoty všech stromů... Ale možná poradím tím, jak to mám udělané já v rámci prediktivních modelů. Pro analýzu přesnosti predikce (ne spolehlivosti, to mám ošetřené jinak) provádím statistickou analýzu n predikcí v určitém časovém horizontu (což v tvém případě výsledky stromů v H2 L2). Podívej se, zda ti výsledky stromů konvergují/divergují v daném predikovaném čase, respektive jak se mění jejich rozpětí. Pokud dochází k nějakým změnám těchto parametrů v závislosti na kýžený pohyb instrumentu, tak by nemuselo být od věci se na to více podívat.

Co se týká zrychlení výpočtů:
1) Podle toho, co píšeš, používáš funkci paraleleního výpočtu. Zkoušel si provádět výpočet přes GPU nebo kombinací CPU/GPU?

2) Predikuješ zřejmě určitý počet instrumentů. pokud predikuješ i jejich crossy (za předpokladu FX trhu), tak ty by se nemusely vypočítávat ale "syntentizovat" z výsledků hlavních párů.

3) pokud pujdeš po tick datech, tak počítej s tím že po většinu času snížíš signal-to-noise ratio, což pro drtivou většinou prediktivních modelů bývá problém. Pak predikce povětšinu času hážou nepřesné výsledky a sem tam, když je silný signál, začnou konvergovat. Také zřejmě dojde k navýšení výpočetní náročnosti.
data: díval bych se po brokerech, co mají API a je dohledatelné rozhraní pro matlab. Případně využít Datafeed Toolbox v Matlabu a využít služeb některého podporovaného poskytovatele dat.

ať se daří.

Cheers!

Co bych dělal na prvním místě, je si zjistit, zda predikce střílejí do terče a jestli vůbec do toho správného. Tedy bylo by dobrý si nejprve vytvořit metodiku stanovení přesnosti a spolehlivosti predikce, trochu robustnější ať to můžeš použít i na jiné typy modelů - ušetří to v budoucnu práci. Jsou to věci, které se docela opomíjí a přitom se jedná o ty nejdůležitější součásti prediktivních systémů. Jen pozor, každý instrument bude mít jiné parametry a tyto parametry se liší i v průběhu dne, týdne a cyklu, takže se to nedá házet do jednoho pytle. Rozhodovací mechanismus je v tomto pohledu až sekundární věc. Pokud se při tomto projektu učíš pracovat i s matlabem, tak klidně začni s tímto modulem, jen moc nepočítej, že docílíš lepších výsledků nějakou úpravou kritérií nebo optimalizací. Z mých zkušeností je to plýtvání časem. Důležité je mít kvalitní výstup predikce a vůbec nebude vadit, když metodice bude vyhovovat např. pouze 2% celkového testovaného času.

Co se týká GPU výpočtu, tak se mi osvědčilo tyto výpočty provádět až při větším množství instrumentů. Ale to záleží na algoritmu a náročnosti výpočtu a také na strojové síle.

Taky, co bych doporučil, je zohlednit provázanost FX trhu při jejich predikování. Například je dost liché věřit výsledkům při stanovení  přeprodanosti/překoupenosti dvou měn z jednoho měnového páru, když při 19 měnách máme 171 kombinací párů ;)

Cheers!