Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1336
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 verstehe die Idee nicht... ordnen Sie die Karten in Ihrem Kopf neu an und alles wird gut sein.
Ich tue das, weil ich zu faul bin, die Diagramme im Tester immer wieder zurückzuspulen. Es gibt keinen Unterschied und es ist sogar noch besser, die Ausbildung ist auf dem neuesten Stand und nicht von vor 3 Jahren
Warum? Sie interessieren sich nicht nur für die Einsätze, sondern auch für die Gründe dafür.
Nein, ich habe einen Markov-Prozess, die Lösung hängt nur vom aktuellen Zustand ab, es gibt keine Planung beim Lernen wie beim klassischen q-learning, zum Beispiel
im Tester gibt es nichts zu lernen - gehen Sie direkt zur Echtzeit:)
aber wenn Sie ein Prüfgerät verwenden, dann machen Sie alles in einem Durchgang
Es geht darum, dass die Beziehung zwischen zukünftigen Preisen und aktuellen Preisen logischerweise durch die Tatsache bestimmt wird, dass der gesamte Handel auf der Grundlage der aktuellen Preise geplant wird, die wiederum die zukünftigen Preise beeinflussen, d.h. die Verbindung zwischen Argument und Funktion geht von links nach rechts und nicht andersherum.
Nach der Tabelle zu urteilen, hat er kurzfristige Verträge. Durch eine Neuordnung wird sich nichts ändern. Und noch besser: Wenn man von den neuesten Daten lernt, besteht die Chance, dass die realen Daten besser sind, als wenn man lange vor den realen Daten lernt.
Ich fahre schon ein bisschen mit der Börse, fühle mich ein...
Eine einzigartige Entwicklung von Bots mit künstlicher Intelligenz, die nicht nur den Markt, sondern die ganze Welt erobern wird.
Napoleonische Pläne. Ich erinnere Sie daran, dass Napoleon auf St. Helena endete.
Napoleonische Pläne. Es sei daran erinnert, dass Napoleon auf St. Helena landete.
Dies ist ein Fahrrad für Sie, aber für andere eine kernelisierte SVM (etwa "Reshetov's Vector Machine")
Ich bezweifle, dass"kernelized", seine Ausgabe ist linear, es ist nur Hyperplane, Ich habe den Java-Code, den Yury vor seinem Verschwinden ins Cyberforum gestellt hat, nicht im Detail analysiert, aber ein mir bekannter "Graale-Autor" hat diesen Code für einen Kunden analysiert, um ihn zu optimieren, und sagte, dass es sich nur um eine Brute-Force-Suche von linearen Modellkoeffizienten handelt, eine Art benutzerdefinierte stochastische Suche wie in der Genetik oder Ottigraphie, das Ergebnis ist ein Vektor von linearen Koeffizienten, kurz gesagt, eine fortgeschrittenere Version dieses Meisterwerks:
AI Expert Advisor für MetaTrader 4
double perceptron()
{
double w1 = x1 - 100;
double w2 = x2 - 100;
double w3 = x3 - 100;
double w4 = x4 - 100;
double a1 = iAC(Symbol(), 0, 0);
double a2 = iAC(Symbol(), 0, 7);
double a3 = iAC(Symbol(), 0, 14);
double a4 = iAC(Symbol(), 0, 21);
return(w1 * a1 + w2 * a2 + w3 * a3 + w4 * a4);
}
Die Koeffizienten werden jedoch nicht von MT-optimizer, sondern von meinem eigenen Programm gesucht.
Es wurden nur wenige Modelle ausgewählt - es ist nicht klar, warum dies geschah - wir müssen nachdenken.
Diagramme der Modelle (wegen der geringen Zahl der ausgewählten Modelle habe ich keine Bilder gemacht)
60%
70%
Daraus lässt sich schließen, dass der Stichprobenanteil wieder bei über 30 % liegt (alte Stichproben 70 %, aber vertauschte Plätze!). Die Graphen weisen auf den ersten Blick mehr Unterschiede auf, aber immer noch nicht genug für einen effektiven Parallellauf, um einen höheren Prozentsatz der Vollständigkeit (Recall) abzudecken.
Und so kombiniert man zwei Modelle aus dem letzten und vorletzten Experiment - allerdings habe ich den Abstand auf 0,55 erhöht. Wenn eines der Modelle ein Signal gibt, dann steigen Sie in den Markt ein.