Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1640
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 will nicht zurück zu Renko gehen, ich habe schon Zeit damit verschwendet, nicht nur, dass es vollständig OHLC Informationen verlieren, aber zusätzlich erhalten Sie eine Verzögerung von zwei Renko Steinhöhen - es lags sehr viel
Dasselbe gilt wahrscheinlich auch für ZigZag, aber ich habe mich nicht speziell damit beschäftigt.
Von OHLC wird nur O sofort eindeutig identifiziert, wenn der entsprechende Tick eintrifft. In der Realität kann die Eröffnung jedoch verpasst werden, wenn es eine Verzögerung bei der Verarbeitung früherer Ticks gibt.
Es gibt keine Perfektion auf der Welt)
Von den OHLC wird nur O unmittelbar nach dem Eintreffen des entsprechenden Ticks eindeutig identifiziert. In der Realität kann die Eröffnung jedoch verpasst werden, wenn es eine Verzögerung bei der Verarbeitung früherer Ticks gibt.
Es gibt keine Perfektion auf der Welt)
Hier ist alles sehr kompliziert
Viele Teilnehmer arbeiten mit Bar-Eröffnungs- und Schlusskursen, und es gibt sowohl triviale Indikatoren als auch komplexe Modellierungen und Manipulationen derjenigen, die Preise angeben
Die Hoch- und Tiefstkurse machen Sinn bei der Erstellung von Kanälen, ZigZags und Aufschlüsselungen historischer Höchstwerte (Min), grafischen Analysen sowie Settaps und Patterns - auch diese machen Sinn
und diese großväterlichen methoden werden immer noch im handel verwendet. ich weiß mit Sicherheit, dass die amerikaner die grafische analyse aktiv nutzen - ich habe vor einigen jahren mit ihnen kommuniziert.... Aber sie wissen auch, dass es nicht funktioniert ))))
Das Problem liegt in der Regel bei den Marktteilnehmern selbst - sie mischen sich ständig in die idealen Preisreihen ein!
Die Schwankungen der Sitzungsvolatilität können durch den Wechsel zu einem Zigzag oder Renko eliminiert werden, richtig? Natürlich wird die natürliche Zeitstruktur darunter leiden, aber es ist möglich, die normale Zeit als Indikatorsatz für jedes Knie/jeden Stein einzuführen.
Ich habe mich für Zickzack entschieden... Aber seit Anfang März sind sie einfach nicht mehr mit dem vergleichbar, was sie vor März waren. Wenn es früher eine halbe oder eine Stunde gedauert hat, ein Knie zu bauen, kann es jetzt aufgrund der hohen Volatilität bei gleichen Parametern in 5 Minuten erledigt werden. Es macht also keinen Sinn, mit den Daten vor März zu trainieren. Jetzt ist alles anders.
Wir sollten uns noch etwas Universelles für hohe und niedrige Volatilität ausdenken.
Vielleicht etwas Wellenartiges. Die Wellen sind geblieben, sie sind nur breiter geworden.
Ich habe es gegoogelt, aber ich werde trotzdem fragen.
Welche Arten von neuronalen Netzen können als Objektverwaltungssystem verwendet werden?
Zumindest für dieses Beispiel: die NS sollte eine Antwort geben, die eine Order in der gewünschten Richtung eröffnet und den Wert von Take und Stop Loss festlegt, d.h. 3 Kontrollparameter (Buy/Sell + tp + sl)
DE: Verstärkungslernen
https://github.com/EliteQuant/EliteQuant#quantitative-model
RU: Verstärkungslernen
https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
obwohl es wie eine normale Klassifizierung aussieht, wenn der Parametersatz und seine Werte festgelegt sindIch habe es gegoogelt, aber ich werde trotzdem fragen.
Welche Arten von neuronalen Netzen können als Objektverwaltungssystem verwendet werden?
Nur als Beispiel: NS sollte eine Antwort geben, die eine Order in der gewünschten Richtung eröffnet und die Take- und Stop-Losses festlegt, d.h. 3 Kontrollparameter (Buy/Sell + tp + sl)
Was für ein Problem, das Sie zu lösen versuchen!
Der Plan sieht folgendermaßen aus:
1. ein Netz erstellen, das die Richtung der Preisbewegung zu einem bestimmten Zeitpunkt errät.
2. wenn Sie P.1 haben, bauen Sie ein Netz, das die Richtung dynamisch errät, d.h. die Richtung und die Zeit angibt, bei der es am sichersten ist.
3. Wenn du Punkt 2 erhalten hast, baue ein Netz, das die Richtung und Stärke der Bewegung errät.
4. Wenn du Punkt 3 hast, mache ein Netz, das die Richtung und Stärke + Zeit der Bewegung errät.
Danach gehen Sie zu Ihren 3 Parametern.
DE: Verstärkungslernen
https://github.com/EliteQuant/EliteQuant#quantitative-model
RU: Verstärkungslernen
https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
wenn jedoch die Parameter und ihre Werte festgelegt sind, sieht es wie eine normale Klassifizierung ausTraining mit Verstärkung nicht mehr wollen, war ich immer ein fit, effektiver zufällige GA-Tester zu verwenden, zumindest die vorwärts geht die TS durch Genetik besser als Training mit Verstärkung gefunden
Danke für den Hinweis, ich werde es mir ansehen.
Was für eine Aufgabe, die Sie zu lösen versuchen!
Hier ist der Plan:
1. ein Netzwerk erstellen, das die Richtung der Preisbewegung nach einer bestimmten Zeit errät.
2. wenn Sie Schritt 1 erreicht haben, erstellen Sie ein Netz, das die Richtung dynamisch errät, d.h. die Richtung und den Zeitpunkt angibt, bei denen es am sichersten ist.
3. Wenn du Punkt 2 erhalten hast, baue ein Netz, das die Richtung und Stärke der Bewegung errät.
4. Wenn du Punkt 3 hast, mache ein Netz, das die Richtung und Stärke + Zeit der Bewegung errät.
Danach gehen Sie zu Ihren 3 Parametern.
ein RNN-Netz oder ein herkömmliches mehrschichtiges Perzeptron reicht völlig aus
bei der Aufgabe geht es nur um die Kontrolle des Objekts - googeln Sie Neurocontrol, Sie können die Terminologie auch im Wiki nachlesen und danach googeln
ein RNN-Netz oder ein herkömmliches mehrschichtiges Perzeptron ist gut geeignet
die Herausforderung liegt im Objektmanagement - googeln Sie Neurocontrol, Sie können die Terminologie im selben Wiki lesen und weiter googeln
Ich bin kein Experte, aber auf den ersten Blick ist es unwahrscheinlich, dass dieser Ansatz für die Märkte etwas anderes als NARX ergibt. Und dieses Modell scheint immer über RNN implementierbar zu sein. Und die Turing-Vollständigkeit von RNN trägt ebenfalls zu ihrer Hinlänglichkeit bei.
Artikel über NARX und RNN-Äquivalenz.
Ich bin kein Experte, aber auf den ersten Blick ist es unwahrscheinlich, dass dieser Ansatz für die Märkte etwas anderes als NARX ergibt. Und dieses Modell scheint immer über RNN implementierbar zu sein. Und die Vollständigkeit von RNN durch Turing trägt auch zu seiner Hinlänglichkeit bei.
Ich habe gegoogelt, nach meinen Beobachtungen sollte ich RBF-Netz verwenden.
OK, ich frage genauer: Es gibt ein Portfolio von primitiven TS, die vorwärts getestet werden, jeder TS ist innerhalb eines Tages zeitlich gebunden und die TS können sich zeitlich überschneiden - Sie brauchen"etwas, das versucht, das Portfolio neu zu starten", abhängig von den Eingangsdaten - OHLC
einfach ein Portfolio durch Brute-Forcing in der Genetik des Testers optimieren können.... aber ich möchte etwas Intelligenz)))
Ich habe gegoogelt, nach meinen Beobachtungen sollte ich RBF-Netz verwenden
OK, ich frage genauer: Es gibt ein Portfolio von primitiven TS, die vorwärts getestet werden, jeder TS ist innerhalb eines Tages zeitlich gebunden und die TS können sich zeitlich überschneiden - ich brauche"etwas, das versucht, das Portfolio aufzuzählen" in Abhängigkeit von den Eingabedaten - OHLC
einfach ein Portfolio durch Brute-Forcing in der Genetik des Testers optimieren können.... aber ich möchte etwas Intelligenz ))))
Die Aufgabe scheint nicht ganz formalisiert zu sein - die Parameter sind nicht klar. Ist die vollständige Menge der Systeme endlich, abzählbar oder kontinuierlich? Ist das Portfolio eine feste Größe? Wird das System mit bestimmten Gewichten in das Portfolio aufgenommen oder nur mit Ja/Nein?