-
успешное обучениe на OU-синтетических данных (исправленная reward_fn):
crypto_spread_4_synthetic_ou_data_guided_working_reward_fn_wb.ipynb
: -
без экспертных демонтраций:
- с экспертом:
- добавлен
crypto_spread_3_synthetic_ou_data_wb
: первая [и пока безуспешная] попытка обучения на синтетических данных, являющихся реализациями OU процесса с фиксированными параметрами.
Papers:
- Autoencoders and Probabilistic Inference with Missing Data: An Exact Solution for The Factor Analysis Case: https://arxiv.org/pdf/1801.03851.pdf
- β-VAE: LEARNING BASIC VISUAL CONCEPTS WITH A CONSTRAINED VARIATIONAL FRAMEWORK: https://openreview.net/references/pdf?id=Sy2fzU9gl
- Hidden Talents of the Variational Autoencoder: https://arxiv.org/pdf/1706.05148.pdf
+++
-
Auto-Encoding Variational Bayes (VAE orig.paper, 2014): https://arxiv.org/pdf/1312.6114.pdf
-
Tensor Analyzers as a multilinear generalization of Factor Analyzers (2012): http://www.cs.toronto.edu/~fritz/absps/ta.pdf
-
Representation Learning: A Review and New Perspectives (Bengio, 2013): https://arxiv.org/pdf/1206.5538.pdf
-
The Ornstein-Uhlenbeck Process as a Model of Volatility: http://stat.math.uregina.ca/~kozdron/Teaching/Regina/441Fall14/Notes/L31-32-Nov19.pdf
- утечку нашел. Картинка сразу поменялась:
- first commit:
-
Необходимо обновить btgym, там исправлены небольшие ошибки::
cd btgym
git pull
pip install --upgrade -e .
-
Вспомогательный ноутбук
data_sampling_consistency.ipynb
: можно посмотреть временнЫе границы сэмплирования обучающей и тестовой выборки при заданной длительности эпизода (22 часа в нашем случае), размер тестовой выборки - последние 24 часа данных (это все настраиваеммые параметры). Цель тестов - убедится в отсутствии "утечки" тестовых данных в обучающую выборку и посмотреть границы сэмплирования; -
Данные рассматриваются как инструмент; [Не сразу] выяснилось, что смулятор брокера в backtrader некорректно работает с данными, если цена отрицательна, поэтому ряд был смещен наверх на 1е-5 в положительную область;
-
Условия:
- начальная сумма на счете 1000 ед.
- максимальная просадка 5% от первоначальной суммы
- максимальный доход 5%
- маркет-ордеры с фиксированного размера 400 * 1e5 ед. (исходя из средней цены 1е-5, см. п.3)
- плечо 1
- комиссия 0.2%
- у агента есть четрые возможных действия: ничего не делать, выдать ордер на покупку, ордер на продажу, закрыть позицию
- использован параметр
skip_frame
=4, что означает что агент может действовать только один раз в 4 шага среды (4 минуты в нашем случае) - эпизод длится 22 часа, время начала выбрается случайно как в обучающей так и в тестовой выборке
- в конце эпизода позиция принудительно закрывется
- эпизод заканчивается досрочно если достигнута либо максимальная просадка, либо макс. заработок
- задача агента максимизировать средний доход от каждой индивидуальной сделки по всем эпизодам
- через каждые 10 эпизодов обучения агент тестируется на одном эпизоде из тестовой выборки (градиенты при этом не считаются, обновления policy не происходит)
- Основной ноутбук
crypto_spread_training_1.ipynb
: задает все параметры и запускает распределенню сессию TF (1 сервер параметров, четрые рабочих процесса (по числу ядрер), каждый работает со своей копией среды). Результаты нужно смотретьtensorboard
. Для чистоты эксперимента используетсяvanilla A3C
и сетевая архитектрура c минимальным количеством примочек (обычный conv encoder + 2x256 LSTM cells). В первую очередь нужно смотреть на динамику показателяepisode train/ final value
и, соотвественно,episode test/ final value
которые соответствуют счету брокера после окончания эпизода - [Предварительные] выводы:
-
алгоритм уверенно находит оптимальную политику (говорим: сходится) при значениях комиссии брокера < 0.3% . При 0.3 и выше - сходится к субоптимальному (нулевому) решению (агент перестает что либо-делать)
-
данные, конечно, резко отличаются по стат. характеристикам от тех же валютных курсов; возможно это одна из причин того что
-
показатели на тестовой выборке слишком хороши; вероятнее всего где-то есть утечка, или какие-то еще элементарные ошибки в арифметике; две уже выловил (на тестовой сразу стало чуть хуже), ищу остальное