Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 325
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ja. Das ist cool.
alles in allem nicht schlecht.
Nun, es ist ein einfaches Neuron, es ist nicht in der Lage, so viele Informationen zu lernen, aber es ist interessant.
Nun, es ist ein einfaches Neuron, es kann nur nicht so viele Informationen aufnehmen, aber ansonsten ist es interessant.
Kann ich eine schematische Darstellung auf einem Blatt Papier sehen? Was ist in den Eingängen, was ist in der Mitte und wo ist der Ausgang. Denn ich habe schon viele Bücher gelesen (Rauschunterdrückung, Erkennung usw.), aber ich kann den Markt nicht erreichen).
https://c.mql5.com/3/126/RNN_MT5.zip
Es gibt einen Berater und eine Beschreibung
https://c.mql5.com/3/126/RNN_MT5.zip
Es gibt einen Expert Advisor und eine Beschreibung
Ich danke Ihnen. Dies geschieht auf ähnliche Weise wie bei der neuronalen Rauschunterdrückung. Das ist genau das, was ich befürchtet habe.
Nehmen wir an, 10 Stichproben einer Preisreihe + nehmen wir an, 5 Prädiktoren - 10*5=50 + ihre Ableitungen - weitere 50, 20 weitere Eingaben von zusätzlichen Informationen. Insgesamt mindestens 120 Eingänge. (Traurig.)
Es ist sehr schwierig, solche Matrizen für ein mehrschichtiges Netz oder für 1m TF oder sogar innerhalb eines Candlesticks zu zählen.(
Und was bedeutet es, wenn die Ergebnisse bei der genetischen Optimierung in Turbulenzen geraten? :) die Grafik sollte sich mit der Zeit verbessern
Ich empfehle nicht, sich für Max-Balance zu entscheiden. Optimierungsfehler deuten auf Probleme mit "marginalen" Parametern hin. Versuchen Sie, den Unterschied zwischen den Parametern in der Fehlerzone und den Varianten zu verstehen, die auf dem Bild etwas weiter links liegen.
Die Optimierung ist sehr einfach - man versucht, das Optimierungskriterium zu erhöhen und gleichzeitig von Zeit zu Zeit bisher unerforschte Bereiche zu überprüfen, "nur für den Fall", um den Weg zu noch besseren Ergebnissen (falls es einen gibt) nicht zu verpassen.
Es sollte eine allmähliche Verschiebung der Variantenwolke nach oben erfolgen, wobei einige seltene Varianten im unteren Teil des Diagramms zu finden sind.
Ich danke Ihnen. Dies geschieht auf ähnliche Weise wie bei der neuronalen Rauschunterdrückung. Das ist genau das, was ich befürchtet habe.
Nehmen wir an, 10 Stichproben einer Preisreihe + nehmen wir an, 5 Prädiktoren - 10*5=50 + ihre Ableitungen - weitere 50, 20 weitere Eingaben von zusätzlichen Informationen. Insgesamt mindestens 120 Eingänge. (Traurig.)
Die Berechnung solcher Matrizen für ein mehrschichtiges Netz, oder für 1m TF, oder sogar innerhalb einer Kerze ist zu schwer.
Ja, wenn man die Eingabeparameter erhöht, gibt es Probleme :) deshalb sollten wir nach einer Verbesserung des logischen Kerns suchen, aber nicht nach einer Anzahl von Schichten
Ich empfehle nicht, sich für die Max-Balance zu entscheiden. Optimierungsfehler deuten auf Probleme mit "marginalen" Parametern hin. Versuchen Sie, den Unterschied zwischen den Parametern in der Fehlerzone und den Varianten zu verstehen, die im Bild etwas weiter links liegen.
Die Optimierung ist sehr einfach - man versucht, das Optimierungskriterium zu erhöhen und gleichzeitig von Zeit zu Zeit bisher unerforschte Bereiche zu überprüfen, "nur für den Fall", um den Weg zu noch besseren Ergebnissen (falls es einen gibt) nicht zu verpassen.
Es sollte eine allmähliche Verschiebung der Variantenwolke nach oben erfolgen, wobei einige seltene Varianten im unteren Teil des Diagramms zu finden sind.
Ja, irgendetwas stimmt mit der Trailing-Stop-Optimierung nicht, ich werde die Bot-Logik neu schreiben und erneut überprüfen
Ich rate dringend davon ab, sich für maximale Salden zu entscheiden. Einbrüche in der Optimierung deuten auf Probleme bei den "Randparametern" hin.
Ich stimme voll und ganz zu - Optimierung ist eine sehr gefährliche Sache: Ich stehe stolz als Millionär an der Spitze, während mein Depot leer ist - das ist das übliche Ergebnis von Optimierung.
Die obigen Angaben sind die normalen Salden - das ist eine Zeile. Und warum eine einzige Zeile mit zufälliger Eingabe? Wenn die Eingabe zufällig ist, dann sollte auch die Bilanzlinie zufällig sein, eingeschlossen in Konfidenzintervallen!
Ein Ersatz für Konfidenzintervalle könnte ein dreidimensionaler (farbiger) Graph in der Optimierung sein. Und wenn die Waage von dieser Grafik aus der Optimierung begleitet wird und diese dreidimensionale Grafik etwa die gleiche Farbe hat, ist der Gral nah. Ansonsten sind die Grafiken keinen Pfennig wert.
Ich stimme Ihnen voll und ganz zu - Optimierung ist eine sehr gefährliche Sache: Ich stehe stolz als Millionär an der Spitze, während mein Depot im Sinkflug ist.
Hier sind die normalen Salden oben - das ist eine Zeile. Warum eine einzige Zeile mit zufälliger Eingabe? Wenn die Eingabe zufällig ist, dann sollte auch die Bilanzlinie zufällig sein, eingeschlossen in Konfidenzintervallen!
Ein Ersatz für Konfidenzintervalle könnte ein dreidimensionaler (farbiger) Graph in der Optimierung sein. Und wenn die Bilanz von dieser Grafik aus der Optimierung begleitet wird und diese dreidimensionale Grafik etwa die gleiche Farbe hat, ist der Gral nah. Andernfalls sind die obigen Tabellen keinen Pfennig wert.
In unserem Fall passen wir die Gewichte der Neuronen über den Optimierer an, das ist alles... was für einen Unterschied macht es, ob es in der Logik oder über den Optimierer trainiert wird... Und was die Geschwindigkeit angeht, so denke ich, dass das Lernen in der Cloud durch den Optimierer viel schneller geht.
1000% in 2 Monaten - ist das schlimm? :) meine Logik ein wenig verbessert.
Es stimmt, die größte Prämie wurde im April gezahlt. Seit Mitte Mai ist sogar ein stetiger Trend zu beobachten
Dieser Zweig ist riesig.
Kann mir jemand einen Tipp geben...
Ich habe Charts der Bewegungen mehrerer Währungspaare. Wie kann ich maschinelles Lernen nutzen, um Parameter (Lot, Richtung) für das Öffnen/Schließen von Aufträgen so auszuwählen, dass das Ergebnis so oft wie möglich im Plus ist?
Das heißt, was muss ich tun, wie kann ich das Programm trainieren?