Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 923
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
Ich wollte mir jetzt Ihre Daten für das Modelltraining ansehen, um die Suche nach Baumparametern zu üben. Aber ich konnte die Dateien nicht finden, sie gingen in etwa zwanzig Seiten verloren. Posten Sie sie bitte wieder hier?
Ich wollte mir jetzt Ihre Daten für das Modelltraining ansehen, um die Suche nach Baumparametern zu üben. Aber ich konnte die Dateien nicht finden, sie gingen auf etwa zwanzig Seiten verloren. Könnten Sie sie bitte wieder hier anhängen?
Natürlich können Sie, aber ich habe es in Teilen zu tun (Server Glitches), Filter gesetzt - erkennen, wo kein Kauf/Verkauf erlaubt ist, MaloVhodov gesetzt - Trend Einträge für anständige Gewinn, MnogoVhodov gesetzt - alle Einträge außer Verlust diejenigen.
Es ist mir nicht gelungen, dem Baum beizubringen, außerhalb des Musters zu arbeiten. Von den Prädiktoren, die sich sicher auf die Menge MaloVhodov - target -1 auswirkten, habe ich die folgenden herausgegriffen:
arr_iDelta_H4
arr_iDelta_D1
arr_iDelta_MN1
arr_ZeitH
arr_Den_Nedeli
arr_iDelta_Max_D1
arr_iDelta_Min_D1
arr_Regresor
arr_LastBarPeresekD_Down
arr_LastBarPeresekD_Up_M15
arr_LastBarPeresekD_Down_M15
arr_DonProc_M15
1.
https://towardsdatascience.com/introduction-to-various-reinforcement-learning-algorithms-i-q-learning-sarsa-dqn-ddpg-72a5e0cb6287
2.
https://towardsdatascience.com/introduction-to-various-reinforcement-learning-algorithms-part-ii-trpo-ppo-87f2c5919bb9
Sie könnte für Vladimirs Artikel nützlich sein. Für kontinuierliche Aufgaben ist alles vor der DDPG irrelevant, da es tabellarische Methoden für eine begrenzte Anzahl von Zuständen/Übergängen gibt
1.
https://towardsdatascience.com/introduction-to-various-reinforcement-learning-algorithms-i-q-learning-sarsa-dqn-ddpg-72a5e0cb6287
2.
https://towardsdatascience.com/introduction-to-various-reinforcement-learning-algorithms-part-ii-trpo-ppo-87f2c5919bb9
Vladimir kann für den Artikel nützlich sein. Alles vor DDPG ist für den Artikel irrelevant, da es tabellarische Methoden für eine begrenzte Anzahl von Zuständen/Übergängen gibt
Ich danke Ihnen. Ich werde mich mit Ensembles beschäftigen (ein weiterer Artikel) und mich auf RL vorbereiten.
Viel Glück!
Der Beweis:
Nach der Ausbildung haben wir einen solchen Kartentisch: (ab 04.01 OOS)
Der gelb hervorgehobene Agent 7 hat die kleinsten Fehler. Lassen wir alle außer ihm fallen und sehen wir weiter:
Das Ergebnis hat sich verbessert.
Super! Jetzt (in ein oder zwei Tagen? früher? wie das so ist...) werde ich eine Idee zu Ende bringen und zu Ihrem Artikel kommen!
Super! Jetzt (ein oder zwei Tage? früher? wie auch immer...) werde ich eine Idee zu Ende bringen und zu Ihrem Artikel kommen!
Das wäre schön, denn die Leute, mit denen ich gesprochen habe, hatten keine Ideen, sie haben einfach das genommen, was ihnen gegeben wurde.
und ein Brainstorming ist immer nützlich
Bring Max bei, wie man die TS-Signale umkehrt :)
Denn sein Pfund ist streng im Minus, während der Handel im Gegenteil im Plus wäre.
Ich verstehe - NS ist ein Supersampling-TS
Aber wie auch immer, der Forex-Broker weiß im Voraus, wo TS gekauft und wo es verkauft werden wird
Alles läuft also nach Plan, und es ist sinnlos, zu flippen oder nicht zu flippen.
Dennoch weiß die Notierung a priori, wo der TS gekauft und wo er verkauft werden wird