Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1965
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
Laufen Sie einfach los und handeln Sie, lernen Sie dabei
Wie sieht die Handelslogik aus? Wird in einem 1,5-Monats-Fenster gleitend gelernt? Wie oft lernt sie oder wovon hängt sie ab? In welchem Zeitrahmen?
Ich schlage vor, diese Daten zu testen. Es gibt definitiv ein Muster, und es ist klar , was man an streben sollte.
ps, um das .txt aus dem Namen zu entfernen
Netzwerk: 56,58% richtige Antworten, 2,63 Erwartung
Wald: 55,89% richtige Antworten, 2,36 Erwartung
Forstliche kumulative Inkremente: 55,89% richtige Antworten, 2,36 Erwartung, identische Ergebnisse
Ränge 20 5-stellig. Der Spread wird nicht berücksichtigt. Im Durchschnitt sind die Ergebnisse gleich, aber das Gitter zählt 2 Minuten und der Wald weniger als eine Sekunde.
Sieht aus, als wäre eine Sitzung mit schwarzer Magie angesagt, obwohl ich den Zickzackkurs noch nicht ausprobiert habe.
Netzwerk: 56,58% richtige Antworten, 2,63 Erwartung
Wald: 55,89% richtige Antworten, 2,36 Erwartung
Ränge 20 5-stellig. Der Spread wird nicht berücksichtigt. Im Durchschnitt sind die Ergebnisse gleich, aber das Gitter zählt 2 Minuten und der Wald weniger als eine Sekunde.
Das klingt nach einer Sitzung mit schwarzer Magie, obwohl ich den Zickzackkurs noch nicht ausprobiert habe.
Wofür verbringst du deine Zeit mit Lernen ohne Aufstrich? Nur für schöne Diagramme? Tun Sie etwas Richtiges.
Das können Sie nicht. Deshalb sind sie zufällig, weil sie zufällige Spalten zum Trainieren benötigen. Die Mittelwertbildung führt dann zu guten Ergebnissen.
Nachtrag: Die Anzahl der Zeilen, die am Training beteiligt sind, sollte ebenfalls =1 gesetzt werden, d.h. alle, damit das Training gleich ist. Es wird also alles Zufällige aus dem Zufallswald entfernt.Sie könnten versuchen, den Spaltenbruch = 1 zu setzen. Das heißt, dass alle Spalten an der Erstellung des Baums beteiligt sind und nicht nur zufällige 50% aller Spalten. Alle Bäume werden gleich sein, also setze auch 1 Baum im Wald. Insgesamt wird ein Wald mit einem Baum auf 6, der andere auf 7 Tiefenstufen trainiert.
Wenn mehr als 2 Bäume benötigt werden, lassen Sie einige Spalten unabhängig voneinander aus der Menge fallen und trainieren Sie zusätzliche Wälder auf allen verbleibenden Spalten.
Wenn es eine feste Aufteilungsregel gibt, ohne Zufall, wird das wahrscheinlich passieren. Möchten Sie es einmal ausprobieren? Ich weiß nicht, wie man ein Gerüst baut :(
15 Zeitrahmen, Signale auf jedem Balken. Revords auch, aber Sie können sie je nach den Bedingungen ändern. Es wird nicht von Anfang an trainiert, es beginnt sofort mit dem Handel. D.h. es darf prinzipiell nicht umerzogen werden. Er wird nach jedem Handel neu trainiert und behält die Erinnerung an frühere Einträge. Wiederkehrende Links können hinzugefügt werden. Im Handbuch steht alles drin, ich muss es nur verstehen. Ich werde bald daran arbeiten, ich möchte ein Analogon in Tensor-Flow entwickeln.
Und wie wird dieser Speicher implementiert? Können Sie das in einfachen Worten erklären?
Wenn es eine feste Aufteilungsregel gibt, ohne Zufall, wird das wahrscheinlich passieren. Würden Sie es gerne ausprobieren? Ich weiß nicht, wie man einen Wald baut :(
Ich habe es überprüft - es funktioniert, zumindest im Algleb-Gerüst. Nur Zeilen und Spalten werden randomisiert, wenn ihre Koeffizienten =1 sind, werden alle Bäume gleich sein, d.h. ein Baum reicht aus, um keine Zeit mit der Berechnung seiner Kopie zu verschwenden. Andere Pakete können etwas anderes randomisieren...
Ich will es nicht ausprobieren. Ein Baum mit einer Tiefe von 6 oder 7 ist für mich ausreichend. Ein Baum mit einer Tiefe von 6,5 [eine Analogie zu Ihrer Idee] ist nicht besonders interessant. Und faul, natürlich.
Wie ist dieser Speicher implementiert? Können Sie das in einfachen Worten erklären?
Ich verstehe das noch nicht.
Ich habe es überprüft - zumindest im Algib-Wald ist es so. Nur Zeilen und Spalten werden randomisiert, wenn ihre Koeffizienten auf =1 gesetzt werden, dann sind alle Bäume gleich, d.h. ein Baum reicht aus, um keine Zeit mit der Berechnung seiner Kopie zu verschwenden. Andere Pakete können etwas anderes randomisieren...
Ich will es nicht ausprobieren. Ein Baum mit einer Tiefe von 6 oder 7 ist für mich ausreichend. Ein Baum mit einer Tiefe von 6,5 [eine Analogie zu Ihrer Idee] ist nicht besonders interessant. Und Faulheit, natürlich.
Ich verstehe. Ich sehe die vorletzte Spaltung nur als einen Unterraum, auf dem man ein Mini-Modell aufbauen kann, um ihn zu untersuchen. Natürlich sollte die Aufteilung intelligent sein, vielleicht aufgeschlüsselt nach den Statistiken der gesamten Stichprobe und nicht nach der Teilstichprobe. Bevor dieser Prozess beginnt, sollte es wahrscheinlich 3-5 Splits geben und nicht mehr. Die Idee ist jedoch, die Auswirkungen des zufälligen statistischen Vorteils einer bestimmten Aufteilung gegenüber anderen Alternativen zu verringern.
Und wie wird dieser Speicher implementiert? Können Sie das in einfachen Worten erklären?
Gehen Sie zu python, ich werde Ihnen Beispiele geben, Sie können sie verwenden.
Ich sehe keinen Sinn darin, in diesem Forum darüber zu diskutieren, da RL kein Einstiegsthema ist.