Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1623
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
Gibt es einen Kontobeobachter?
Nein, der Handel hat gerade erst begonnen, und er hat noch nicht einmal begonnen, weil die gesamte Maschine auf ihre Zuverlässigkeit getestet wird. In der Tat, aufgrund der Tatsache, dass die Futures endet heute, so dass die letzten Woche oder zwei das Angebot funktioniert rein technisch und jedes System beginnt zu arbeiten, auch so-so. Morgen wechseln wir zu einem neuen Futures. Zu Beginn des Zitats geht es immer hart zur Sache, wir werden es sehen...
Ich sehe, ich bin auch im Test, aber es dauert zu lange ))). Im Moment gibt es keine Pfeilbilder, sondern nur dieses eine (Gewinn in Pips).
Es kann natürlich auch nur ein Zufall sein).
Nein, so ist es nicht...
Ein Modell (ein neuronales Netz) liefert nicht das richtige Ergebnis. Sie kann etwas lernen, aber das ist nicht genug. Deshalb mache ich 20 bis 25 Modelle mit unterschiedlichen Eingaben. Jetzt habe ich 25 Modelle, die gleichzeitig signalisieren, und ihre Meinungen fließen mit einem gewissen Gewicht in die endgültige Prognose ein. Die Berechnung eines Modells dauert etwa 0,5-0,7 Sekunden, insgesamt 15-20 Sekunden + Sie müssen noch Eingabedaten für 25 Modelle vorbereiten, das ist eine Menge Arbeit für jede Minute )) Die Antwort kann auf 1-3 Sekunden reduziert werden, wenn ich Multithreading in Python richtig verwende, aber das habe ich noch nicht getan.
Ich trainiere die Modelle separat, im normalen Modus, d.h. der Datensatz wird über einen Zeitraum von einem Jahr gesammelt und dann wie üblich trainiert.
Was ist das Ziel?
Nein, so ist es nicht...
Ein Modell (ein neuronales Netz) liefert nicht das richtige Ergebnis. Sie kann etwas lernen, aber das reicht nicht aus. Deshalb mache ich 20 bis 25 Modelle mit unterschiedlichen Eingaben. Jetzt habe ich 25 Modelle, die gleichzeitig signalisieren, und ihre Meinungen fließen mit einem gewissen Gewicht in die endgültige Prognose ein. Die Berechnung eines Modells dauert etwa 0,5-0,7 Sekunden, insgesamt 15-20 Sekunden + Sie müssen noch Eingabedaten für 25 Modelle vorbereiten, das ist eine Menge Arbeit für jede Minute )) Die Antwort kann auf 1-3 Sekunden reduziert werden, wenn ich Multithreading in Python richtig verwende, aber das habe ich noch nicht getan.
Ich trainiere die Modelle separat, im normalen Modus, d.h. der Datensatz wird über einen Zeitraum von einem Jahr gesammelt und dann wie üblich trainiert.
Es fühlt sich an, als würde man jede Minute ein neues Modell trainieren. Ein trainiertes Modell benötigt in der Regel eine Tausendstelsekunde, um ein Ergebnis zu liefern.
Was ist das Ziel?
kein Ziel, alle gleich
Was meinst du? Ich meine, was ist Y?
Nein, so ist es nicht...
Ein Modell (neuronales Netz) liefert nicht die gewünschten Ergebnisse. Man lernt vielleicht etwas, aber das reicht nicht. Deshalb mache ich 20-25 Modelle mit verschiedenen Eingaben. Jetzt habe ich 25 Modelle, die gleichzeitig signalisieren, und ihre Meinungen werden bei der endgültigen Prognose mit einem gewissen Gewicht berücksichtigt. Die Berechnung eines Modells dauert etwa 0,5-0,7 Sekunden, insgesamt 15-20 Sekunden + Sie müssen noch Eingabedaten für 25 Modelle vorbereiten, das ist eine Menge Arbeit für jede Minute )) Die Antwort kann auf 1-3 Sekunden reduziert werden, wenn ich Multithreading in Python richtig verwende, aber das habe ich noch nicht getan.
Ich trainiere die Modelle separat, im normalen Modus, d.h. der Datensatz wird über einen Zeitraum von einem Jahr gesammelt und dann wie üblich trainiert.
Hmm, "0,5-0,7 Sekunden Berechnungszeit" ist ein bisschen viel für MLP, vielleicht lehren Sie und berechnen dann, auf kleinen Datensätzen mit einem gleitenden Fenster?
Gehen wir sie der Reihe nach durch:
1 Wie lauten die Rohdaten (Ticker(s), Zeitrahmen)
2 Wie groß ist der Trainingsdatensatz (1k,10k,100k...)
3 Welche Art von Merkmalen
4 Was sind die Ziele?
5 Welche Art von Gitter
genug, um damit anzufangen...
Hmm, "0,5-0,7 Sekunden Berechnungszeit" ist ein bisschen viel für MLP, vielleicht lehren Sie und berechnen dann, auf kleinen Datensätzen mit einem gleitenden Fenster?
Gehen wir der Reihe nach vor:
1 Wie lauten die Rohdaten (Ticker(s), Zeitrahmen)
2 Wie groß ist der Trainingsdatensatz (1k,10k,100k...)
3 Welche Art von Merkmalen
4 Was sind die Ziele?
5 Welche Art von Gitter
ist für den Anfang ausreichend...
Und du solltest dir die Lampe auch in die Augen leuchten lassen))