279 lines
15 KiB
Python
279 lines
15 KiB
Python
import numpy as np
|
|
from sklearn.preprocessing import StandardScaler
|
|
from sklearn.metrics import mean_squared_error
|
|
from sklearn.model_selection import train_test_split
|
|
import v2realbot.ml.mlutils as mu
|
|
from keras.layers import LSTM, Dense
|
|
import matplotlib.pyplot as plt
|
|
from v2realbot.ml.ml import ModelML
|
|
from v2realbot.enums.enums import PredOutput, Source, TargetTRFM
|
|
# from collections import defaultdict
|
|
# from operator import itemgetter
|
|
from joblib import load
|
|
|
|
# region Notes
|
|
|
|
#ZAKLAD PRO TRAINING SCRIPT na vytvareni model u
|
|
# TODO
|
|
# podpora pro BINARY TARGET
|
|
# podpora hyperpamaetru (activ.funkce sigmoid atp.)
|
|
# vyuzit distribuovane prostredi - nebo aspon vlastni VM
|
|
# dopracovat denni identifikatory typu lastday close, todays open atp.
|
|
# random SEARCH a grid search
|
|
# udelat nejaka model metadata (napr, trenovano na (runners+obdobi), nastaveni treningovych dat, počet epoch, hyperparametry, config atribu atp.) - mozna persistovat v db
|
|
# udelat nejake verzovani
|
|
# predelat do GUI a modulu
|
|
# vyuzit VectorBT na dohledani optimalizovanych parametru napr. pro buy,sell atp. Vyuzit podobne API na pripravu dat jako model.
|
|
# EVAL MODEL - umoznit vektorové přidání indikátoru do runneru (např. predikce v modulu, vectorBT, optimalizace atp) - vytvorit si na to API, podobne co mam, nacte runner, transformuje, sekvencuje, provede a pak zpetne transformuje a prida jako dalsi indikator. Lze pak použít i v gui.
|
|
# nove tlacitko "Display model prediction" na urovni archrunnera, které
|
|
# - má volbu model + jestli zobrazit jen predictionu jako novy indikator nebo i mse from ytarget (nutny i target)
|
|
# po spusteni pak:
|
|
# - zkonztoluje jestli runner ma indikatory,ktere odpovidaji features modelu (bar_ftrs, ind_ftrs, optional i target)
|
|
# - vektorově doplní predictionu (transformuje data, udela predictionu a Y transformuje zpet)
|
|
# - vysledek (jako nove indikatory) implantuje do runnerdetailu a zobrazi
|
|
# podivat se na dalsi parametry kerasu, napr. false positive atp.
|
|
# podivat se jeste na rozdil mezi vectorovou predikci a skalarni - proc je nekdy rozdil, odtrasovat - pripadne pogooglit
|
|
# odtrasovat, nekde je sum (zkusit si oboji v jednom skriptu a porovnat)
|
|
|
|
#TODO NAPADY Na modely
|
|
#1.binary identifikace trendu napr. pokud nasledujici 3 bary rostou (0-1) nebo nasledujici bary roste momentum
|
|
#2.soustredit se na modely s vystupem 0-1 nebo -1 až 1
|
|
#3.Vyzkouset jeden model, ktery by identifikoval trendy v obou smerech - -1 pro klesani a 1 pro stoupání.
|
|
#4.vyzkouset zda model vytvoreny z casti dne nebude funkcni na druhe casti (on the fly daily models)
|
|
#5.zkusit modely s a bez time (prizpusobit tomu kod v ModelML - zejmena jak na crossday sekvence) - mozna ze zecatku dat aspon pryc z indikatoru?
|
|
# Dat vsechny zbytecne features pryc, nechat tam jen ty podstatne - attention, tak cílím.
|
|
#6. zkusit vyuzit tickprice v nejaekm modelu, pripadne pak dalsi CBAR indikatory . vymslet tickbased features
|
|
#7. zkusit jako features nevyuzit standardni ceny, ale pouze indikatory reprezentujici chovani (fastslope,samebarslope,volume,tradencnt)
|
|
#8. relativni OHLC - model pouzivajici (jen) bary, ale misto hodnot ohlc udelat features reprezentujici vztahy(pomery) mezi temito velicinami. tzn. relativni ohlc
|
|
#9. jiny pristup by byl ucit model na konkretnich chunkach, ktere chci aby mi identifikoval. Např. určité úseky. Vymyslet. Buď nyni jako test intervaly, ale v budoucnu to treba jen nejak oznacit a poslat k nauceni. Pripadne pak udelat nejaky vycuc.
|
|
#10. mozna správným výběrem targetu, můžu taky naučit jen určité věci. Specializace. Stačí když se jednou dvakrát denně aktivuje.
|
|
# 11. udelat si go IN model, ktery pomuze strategii generovat vstup - staci jen aby mel trochu lepsi edge nez conditiony, o zbytek se postara logika strategie
|
|
# 12. model pro neagregované nebo jen filtroné či velmi lehce agregované trady? - tickprice
|
|
# 13. jako featury pouzit Fourierovo transformaci, na sekundovem baru nebo tickprice
|
|
|
|
#DULEZITE
|
|
# soustredit se v modelech na predikci nasledujici hodnoty, ideálně nějaký vektor ukazující směr (např. 0 - 1, kde nula nebude růst, 1 - bude růst strmě)
|
|
# pro predikcí nějakého většího trendu, zkusti více modelů na různých rozlišení, každý ukazuje
|
|
# hodnotu na svém rozlišení a jeho kombinace mi může určit vstup. Zkusit zda by nešel i jeden model.
|
|
# Každopádně se soustředit
|
|
# 1) na další hodnotu (tzn. vstupy musí být bezprostředně ovlivňující tuto (samebasrlope, atp.))
|
|
# 2) její výše ukazuje směr na tomto rozlišení
|
|
# 3) ideálně se učit z každého baru, tzn. cílová hodnota musí být známá u každého baru
|
|
# (binary ne, potřebuju linární vektor) - i když 1 a 0 target v závislosti na stoupání a klesání by mohla být ok,
|
|
# ale asi příliš restriktivní, spíš bych tam mohl dát jak moc. Tzn. +0.32, -0.04. Učilo by se to míru stoupání.
|
|
# Tu míru tam potřebuju zachovanou.
|
|
# pak si muzu rict, když je urcite pravdepodobnost, ze to bude stoupat (tzn. dalsi hodnota) na urovni 1,2,3 - tak jduvstup
|
|
# zkusit na nejnižší úrovni i předvídat CBARy, směr dalšího ticku. Vyzkoušet.
|
|
|
|
##TODO - doma
|
|
#bar_features a ind_features do dokumentace SL classic, stejne tak conditional indikator a mathop indikator
|
|
#TODO - co je třeba vyvinout
|
|
# GENERATOR test intervalu (vstup name, note, od,do,step)
|
|
# napsat API, doma pak simple GUI
|
|
# vyuziti ATR (jako hranice historickeho rozsahu) - atr-up, atr-down
|
|
# nakreslit v grafu atru = close+atr, atrd = close-atr
|
|
# pripadne si vypocet atr nejak customizovat, prip. ruzne multiplikatory pro high low, pripadne si to vypocist podle sebe
|
|
# vyuziti:
|
|
# pro prekroceni nejake lajny, napr. ema nebo yesterdayclose
|
|
# - k identifikaci ze se pohybuje v jejim rozsahu
|
|
# - proste je to buffer, ktery musi byt prekonan, aby byla urcita akce
|
|
# pro learning pro vypocet conditional parametru (1,0,-1) prekroceni napr. dailyopen, yesterdayclose, gapclose
|
|
# kde 1 prekroceno, 0 v rozsahu (atr), -1 prekroceno dolu - to pomuze uceni
|
|
# vlastni supertrend strateige
|
|
# zaroven moznost vyuzit klouzave či parametrizovane atr, které se na základě
|
|
# určitých parametrů bude samo upravovat a cíleně vybočovat z KONTRA frekvencí, např. randomizovaný multiplier nebo nejak jinak ovlivneny minulým
|
|
# v indikatorech vsude kde je odkaz ma source jako hodnotu tak defaultne mit moznost uvest lookback, napr. bude treba porovnavat nejak cenu vs predposledni hodnotu ATRka (nechat az vyvstane pozadavek)
|
|
# zacit doma na ATRku si postavit supertrend, viz pinescript na ploše
|
|
|
|
|
|
#TODO - obecne vylepsovaky
|
|
# 1. v GUI graf container do n-TABů, mozna i draggable order, zaviratelne na Xko (innerContainer)
|
|
# 2. mit mozna specialni mod na pripravu dat (agreg+indikator, tzn. vse jen bez vstupů) - můžu pak zapracovat víc vectorové doplňování dat
|
|
# TOTO:: mozna by postacil vypnout backtester (tzn. no trades) - a projet jen indikatory. mozna by slo i vectorove optimalizovat.
|
|
# indikatory by se mohli predsunout pred next a next by se vubec nemusel volat (jen nekompatibilita s predch.strategiemi)
|
|
# 3. kombinace fastslope na fibonacci delkach (1,2,3,5..) jako dobry vstup pro ML
|
|
# 4. podivat se na attention based LSTM zda je v kerasu implementace
|
|
# do grafu přidat togglovatelné hranice barů určitých rozlišení - což mi jen udělá čáry Xs od sebe (dobré pro navrhování)
|
|
# 5. vymyslet optimalizovane vyuziti modelu na produkci (nejak mit zkompilovane, aby to bylo raketově pro skalár) - nyní to backtest zpomalí 4x
|
|
# 6. CONVNETS for time series forecasting - small 1D convnets can offer a fast alternative to RNNs for simple tasks such as text classification and timeseries forecasting.
|
|
# zkusit small conv1D pro identifikaci víření před trendem, např. jen 6 barů - identifikovat dobře target, musí jít o tutovku na targetu
|
|
# pro covnet zkusit cbar price, volume a time. Třeba to zachytí víření (ripples)
|
|
# Další oblasti k predikci jsou ripples, vlnky - předzvěst nějakého mocnějšího pohybu. A je pravda, že předtím se mohou objevit nějaké indicie. Ty zkus zachytit.
|
|
# Do runner_headers pridat bt_from, bt_to - pro razeni order_by, aby se runnery vzdy vraceli vzestupne dle data (pro machine l)
|
|
|
|
#TODO
|
|
# vyvoj modelů workflow s LSTMtrain.py
|
|
# 1) POC - pouze zde ve skriptu, nad 1-2 runnery, okamžité zobrazení v plotu,
|
|
# optimalizace zakl. features a hyperparams. Zobrazit i u binary nejak cenu.
|
|
# 2) REALITY CHECK - trening modelu na batchi test intervalu, overeni ve strategii v BT, zobrazeni predikce v RT chartu
|
|
# 3) FINAL TRAINING
|
|
# testovani predikce
|
|
|
|
|
|
#TODO tady
|
|
# train model
|
|
# - train data- batch nebo runners
|
|
# - test data - batch or runners (s cim porovnavat/validovat)
|
|
# - vyber architektury
|
|
# - soucast skriptu muze byt i porovnavacka pripadne nejaky search optimalnich parametru
|
|
|
|
#lstmtrain - podporit jednotlive kroky vyse
|
|
#modelML - udelat lepsi PODMINKY
|
|
#frontend? ma cenu? asi ano - GUI na model - new - train/retrain-change
|
|
# (vymyslet jak v gui chytře vybírat arch modelu a hyperparams, loss, optim - treba nejaka templata?)
|
|
# mozna ciselnik architektur s editačním polem pro kód -jen pár řádků(.add, .compile) přidat v editoru
|
|
# vymyslet jak to udělat pythonově
|
|
#testlist generator api
|
|
|
|
# endregion
|
|
|
|
#if null,the validation is made on 10% of train data
|
|
#runnery pro testovani
|
|
validation_runners = ["a38fc269-8df3-4374-9506-f0280d798854"]
|
|
|
|
#u binary bude target bud hotovy indikator a nebo jej vytvorit on the fly
|
|
cfg = ModelML(name="model1",
|
|
version = "0.1",
|
|
note = None,
|
|
pred_output=PredOutput.LINEAR,
|
|
input_sequences = 10,
|
|
use_bars = True,
|
|
bar_features = ["volume","trades"],
|
|
ind_features = ["slope20", "ema20","emaFast","samebarslope","fastslope","fastslope4"],
|
|
target='target', #referencni hodnota pro target - napr pro graf
|
|
target_reference='vwap',
|
|
train_target_steps=3,
|
|
train_target_transformation=TargetTRFM.KEEPVAL,
|
|
train_runner_ids = ["08b7f96e-79bc-4849-9142-19d5b28775a8"],
|
|
train_batch_id = None,
|
|
train_epochs = 10,
|
|
train_remove_cross_sequences = True,
|
|
)
|
|
|
|
#TODO toto cele dat do TRAIN metody - vcetne pripadneho loopu a podpory API
|
|
|
|
test_size = None
|
|
|
|
#kdyz neplnime vstup, automaticky se loaduje training data z nastaveni classy
|
|
source_data, target_data, rows_in_day = cfg.load_data()
|
|
|
|
if len(target_data) == 0:
|
|
raise Exception("target is empty - required for TRAINING - check target column name")
|
|
|
|
np.set_printoptions(threshold=10,edgeitems=5)
|
|
#print("source_data", source_data)
|
|
#print("target_data", target_data)
|
|
print("rows_in_day", rows_in_day)
|
|
source_data = cfg.scalerX.fit_transform(source_data)
|
|
|
|
#TODO mozna vyhodit to UNTR
|
|
#TODO asi vyhodit i target reference a vymyslet jinak
|
|
|
|
#vytvořeni sekvenci po vstupních sadách (např. 10 barů) - výstup 3D např. #X_train (6205, 10, 14)
|
|
#doplneni transformace target data
|
|
X_train, y_train, y_train_ref = cfg.create_sequences(combined_data=source_data,
|
|
target_data=target_data,
|
|
remove_cross_sequences=cfg.train_remove_cross_sequences,
|
|
rows_in_day=rows_in_day)
|
|
|
|
#zobrazime si transformovany target a jeho referncni sloupec
|
|
#ZHOMOGENIZOVAT OSY
|
|
plt.plot(y_train, label='Transf target')
|
|
plt.plot(y_train_ref, label='Ref target')
|
|
plt.plot()
|
|
plt.legend()
|
|
plt.show()
|
|
|
|
print("After sequencing")
|
|
print("source:X_train", np.shape(X_train))
|
|
print("target:y_train", np.shape(y_train))
|
|
print("target:", y_train)
|
|
y_train = y_train.reshape(-1, 1)
|
|
|
|
X_complete = np.array(X_train.copy())
|
|
Y_complete = np.array(y_train.copy())
|
|
X_train = np.array(X_train)
|
|
y_train = np.array(y_train)
|
|
|
|
#target scaluji az po transformaci v create sequence -narozdil od X je stejny shape
|
|
y_train = cfg.scalerY.fit_transform(y_train)
|
|
|
|
|
|
if len(validation_runners) == 0:
|
|
test_size = 0.10
|
|
# Split the data into training and test sets - kazdy vstupni pole rozdeli na dve
|
|
#nechame si takhle rozdelit i referencni sloupec
|
|
X_train, X_test, y_train, y_test, y_train_ref, y_test_ref = train_test_split(X_train, y_train, y_train_ref, test_size=test_size, shuffle=False) #random_state=42)
|
|
|
|
print("Splittig the data")
|
|
|
|
print("X_train", np.shape(X_train))
|
|
print("X_test", np.shape(X_test))
|
|
print("y_train", np.shape(y_train))
|
|
print("y_test", np.shape(y_test))
|
|
print("y_test_ref", np.shape(y_test_ref))
|
|
print("y_train_ref", np.shape(y_train_ref))
|
|
|
|
#print(np.shape(X_train))
|
|
# Define the input shape of the LSTM layer dynamically based on the reshaped X_train value
|
|
input_shape = (X_train.shape[1], X_train.shape[2])
|
|
|
|
# Build the LSTM model
|
|
#cfg.model = Sequential()
|
|
cfg.model.add(LSTM(128, input_shape=input_shape))
|
|
cfg.model.add(Dense(1, activation="relu"))
|
|
#activation: Gelu, relu, elu, sigmoid...
|
|
# Compile the model
|
|
cfg.model.compile(loss='mse', optimizer='adam')
|
|
#loss: mse, binary_crossentropy
|
|
|
|
# Train the model
|
|
cfg.model.fit(X_train, y_train, epochs=cfg.train_epochs)
|
|
|
|
#save the model
|
|
cfg.save()
|
|
|
|
#TBD db layer
|
|
cfg: ModelML = mu.load_model(cfg.name, cfg.version)
|
|
|
|
# region Live predict
|
|
#EVALUATE SIM LIVE - PREDICT SCALAR - based on last X items
|
|
barslist, indicatorslist = cfg.load_runners_as_list(runner_id_list=["67b51211-d353-44d7-a58a-5ae298436da7"])
|
|
#zmergujeme vsechny data dohromady
|
|
bars = mu.merge_dicts(barslist)
|
|
indicators = mu.merge_dicts(indicatorslist)
|
|
cfg.validate_available_features(bars, indicators)
|
|
#VSTUPEM JE standardni pole v strategii
|
|
value = cfg.predict(bars, indicators)
|
|
print("prediction for LIVE SIM:", value)
|
|
# endregion
|
|
|
|
#EVALUATE TEST DATA - VECTOR BASED
|
|
#pokud mame eval runners pouzijeme ty, jinak bereme cast z testovacich dat
|
|
if len(validation_runners) > 0:
|
|
source_data, target_data, rows_in_day = cfg.load_data(runners_ids=validation_runners)
|
|
source_data = cfg.scalerX.fit_transform(source_data)
|
|
X_test, y_test, y_test_ref = cfg.create_sequences(combined_data=source_data, target_data=target_data,remove_cross_sequences=True, rows_in_day=rows_in_day)
|
|
|
|
#prepnout ZDE pokud testovat cely bundle - jinak testujeme jen neznama
|
|
#X_test = X_complete
|
|
#y_test = Y_complete
|
|
|
|
X_test = cfg.model.predict(X_test)
|
|
X_test = cfg.scalerY.inverse_transform(X_test)
|
|
|
|
#target testovacim dat proc tu je reshape? y_test.reshape(-1, 1)
|
|
y_test = cfg.scalerY.inverse_transform(y_test)
|
|
#celkovy mean? nebo spis vector pro graf?
|
|
mse = mean_squared_error(y_test, X_test)
|
|
print('Test MSE:', mse)
|
|
|
|
# Plot the predicted vs. actual
|
|
plt.plot(y_test, label='Actual')
|
|
plt.plot(X_test, label='Predicted')
|
|
#TODO zde nejak vymyslet jinou pricelinu - jako lightweight chart
|
|
plt.plot(y_test_ref, label='reference column - price')
|
|
plt.plot()
|
|
plt.legend()
|
|
plt.show()
|