Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 479
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
Nun, dann kann ich nicht helfen - das Problem muss erst reproduziert werden, bevor es gelöst werden kann.
Sie können versuchen,EventSetTimer für die Verzögerung zu verwenden- lesen Sie den Indikator ein paar Sekunden, nachdem der Balken erscheint.
Vielen Dank für die Empfehlung.
Kann ich es nicht in ein paar Sekunden, sondern in etwa 30 Sekunden benutzen? Wie kann man das tun?
Können Sie es in 30 Sekunden statt in ein paar Sekunden schaffen? Und wie macht man das?
Ja, das können Sie. Suchen Sie nach Indikatoren in der Code-Basis zu seinem Beispiel.
Was meine Frage betrifft, so gehe ich davon aus, dass es keine Spezialisten gibt????
Verwendet jemand APi von Nvidea. Ich habe mich neulich in Bezug auf Karten umgesehen, und ich sehe, dass das Unternehmen Karten für das Mining herstellt, ohne Videoanschlüsse.
Verwendet jemand APi von Nvidea. Gerade ging durch die Karte Plan den anderen Tag, sehe ich, dass die Firma macht Karten für das Bergbau, ohne Video-Anschlüsse.
Ich vergaß, und einige API wurde veröffentlicht, z. B. CUDA
Es gibt eine Menge Nvidia-Api's da draußen -
OpenCL ist ein verbreiteter Standard, für den Sie eigenen C-Code schreiben müssen. Sie wird sowohl von Nvidia als auch von AMD unterstützt, Sie können sogar die Bibliothek für CPU-Prozessoren anstelle der Grafikkarte installieren. Ich verwende in R über die Bibliothekhttps://cran.r-project.org/web/packages/OpenCL/index.html.
MT5 kann dieses api auch tun.
CUDA ist eine reine Nvidia-Bibliothek und wird zum Beispiel von AMD-Visas nicht unterstützt. Es geht darum, einen normalen C++-Code zu nehmen und ihn so zu kompilieren, dass er auf der Grafikkarte läuft. Vielleicht gibt es Einschränkungen bei den zulässigen Funktionen, ich habe mich nicht näher damit befasst.
CUDNN ist eine Api und Bibliotec der CUDA-basierten neuronalen Maschine
Es gibt ein solches Neuron MXNET, es unterstützt alle diese Technologien, Sie können es verwenden, um das Video zu testenhttps://mxnet.incubator.apache.org/get_started/install.html
Helfen Sie mir, den Prozess zu verstehen :)
Am Beispiel eines linearen Klassifikators. Nehmen wir an, wir bringen dem Klassifikator etwas bei, indem wir Preisschritte von 0 bis 1 in 2 Ausgänge eingeben, wobei 0,5 kein Signal ist (die Summe der Ausgänge ist immer gleich eins)
Zeichnen wir einfach eine Regressionslinie, z. B. nach den Preisen, so liegen die größeren Preisschritte weiter von der Linie entfernt, die kleineren näher, d. h. wenn die Klassifikatorausgänge 0,9; 0,1 sind, liegt der positive Schritt weit von der Linie entfernt, d. h. das Signal 0,9 wird stärker sein als das Signal 0,6 zum Kauf
Und wenn wir ein neuronales Netz mit nichtlinearer Klassifizierung verwenden, zeigen die Ausgaben dann die Signalstärke oder nur den Grad der Zugehörigkeit zu einer von zwei Klassen an und nicht mehr?
D.h. ob diese Bedingung erfüllt sein wird:
Es scheint mir, dass in dieser Situation bereits die Hälfte der Anfänger, die schlechte Kenntnisse der Matrix haben, scheitern werden... Denn der Grad der Zugehörigkeit zu dieser oder jener Klasse sagt intuitiv etwas über eine größere/geringere Signalstärke aus. Aber ist das wirklich so und ist es nicht besser, mehrere Klassen zu erstellen, um die Inkrementwerte in, sagen wir, % zu verteilen, dann wird ein Wert in einer oder einer anderen Klasse (eine von 10, sagen wir) bereits genau den Inkrementwert angeben.Helfen Sie mir, den Prozess zu verstehen :)
Verwendung eines linearen Klassifikators als Beispiel. Nehmen wir an, dass wir dem Klassifikator etwas beibringen und die Ausgänge mit Preisschritten von 0 bis 1 versehen, wobei 0,5 kein Signal ist
Zeichnen wir einfach eine Regressionslinie, z. B. nach den Preisen, dann liegen größere Preisschritte weiter von der Linie entfernt und kleinere näher an ihr. Das bedeutet, wenn der Klassifikator 0,9; 0,1 ausgibt, liegt der positive Schritt weit von der Linie entfernt, d. h. das Signal 0,9 ist stärker als das Kaufsignal 0,6
Und wenn wir ein neuronales Netz mit nichtlinearer Klassifizierung nehmen, zeigen die Ausgänge dann die Signalstärke oder nur den Grad der Zugehörigkeit zu einer von 2 Klassen an und nicht mehr
D.h. ob diese Bedingung erfüllt sein wird:
Zum Verständnis: Die Linie ist die Grenze (im einfachsten Fall der Durchschnittswert). Je näher die inkrementellen Preise an der Grenze liegen, desto geringer ist ihre Abweichung vom Mittelwert, auch wenn sie in absoluten Werten nicht unbedingt gering sind. (für diese Formulierung des Problems)
Verstehen Sie: Die Linie ist eine Begrenzung (im einfachsten Fall der Durchschnittswert). Je näher die inkrementellen Preise an der Grenze liegen, desto weniger weichen sie vom Durchschnitt ab, auch wenn sie in absoluten Zahlen vielleicht gar nicht so klein sind. (für diese Formulierung des Problems)
Das heißt, dass aus dem Grad der Zugehörigkeit des Ziels zu der Klasse nicht auf die absolute Veränderung geschlossen werden kann. 0,9 bedeutet nicht, dass der Preisanstieg größer sein wird als im Falle von 0,6
Das heißt, aus dem Grad der Zugehörigkeit zu einer Klasse kann nicht auf eine absolute Veränderung geschlossen werden. 0,9 bedeutet nicht, dass der Preisanstieg größer ist als im Fall von 0,6.
Auch hier kommt es darauf an, wie die Klassifizierung aufgebaut ist. Im obigen Beispiel basierte die Klassifizierung auf dem Abstand zur Mittellinie (Grenze), ohne den absoluten Wert des Zuwachses zu berücksichtigen. Würde man den absoluten Wert des Zuwachses einführen, wäre die Klassifizierung prinzipiell anders. Auch der Umfang wird anders sein.