Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2014

 
elibrarius:

Dies ist eine Frage an alle:
Ich erhalte auch Bündel von unidirektionalen Signalen aus dem Netz. Es ist ungefähr dasselbe wie hier.

Manchmal habe ich 100 oder sogar 200 Verluste in Folge. Es gibt nur einen Ausweg - den Handel mit mikroskopisch kleinen Lots, etwa 0,5 % der Einlage.
Wer hat die Idee, nicht Hunderte von aufeinanderfolgenden Signalen zu handeln?
Den ersten handeln und dann nicht mehr handeln, bis der offene geschlossen wird? Meines Erachtens ist das nicht die beste Lösung.

Was sind Ihre Möglichkeiten?

Sie trainieren mit sehr verrauschten Daten (Vorzeichen), zum Beispiel mit Inkrementen, weshalb das Signal sehr verrauscht ist. Sie könnten versuchen, die Vorzeichen und das Ziel oder das endgültige Signal selbst zu glätten, um das Rauschen im Signal zu reduzieren, aber das wird nicht viel helfen oder überhaupt keine Gewinne einbringen.

 
elibrarius:

Dies ist eine Frage an alle:
Ich erhalte auch Bündel von unidirektionalen Signalen aus dem Netz. Es ist ungefähr dasselbe wie hier.

Manchmal habe ich 100 oder sogar 200 Verluste in Folge. Es gibt nur einen Ausweg - den Handel mit mikroskopisch kleinen Lots, etwa 0,5 % der Einlage.
Wer hat die Idee, nicht Hunderte von aufeinanderfolgenden Signalen zu handeln?
Den ersten handeln und dann nicht mehr handeln, bis der offene geschlossen wird? Meines Erachtens ist das nicht die beste Lösung.

Welche Möglichkeiten gibt es?

Das Öffnen ist eine Logik, das Begleiten und Schließen eine andere. Ich bevorzuge diesen Weg. Stopps sind eine Versicherung. Andernfalls ist es besser, nur mit Stopps zu eröffnen, um die Anzahl der offenen Aufträge zu begrenzen.

 
elibrarius:

Dies ist eine Frage an alle:
Ich erhalte auch Bündel von unidirektionalen Signalen aus dem Netz. Es ist ungefähr dasselbe wie hier.

Manchmal habe ich 100 oder sogar 200 Verluste in Folge. Es gibt nur einen Ausweg - den Handel mit mikroskopisch kleinen Lots, etwa 0,5 % der Einlage.
Wer hat die Idee, nicht Hunderte von aufeinanderfolgenden Signalen zu handeln?
Den ersten handeln und dann nicht mehr handeln, bis der offene geschlossen wird? Meines Erachtens ist das nicht die beste Lösung.

Welche Möglichkeiten gibt es?

Warum sollte man sie überhaupt tauschen, das ist wie russisches Roulette mit einer kleinkalibrigen Waffe :)

 
Sehen Sie sich den Indikator an) funktioniert nur im Jahr 2020.
 
Maxim Dmitrievsky:

Hatten Sie Erfolg mit dem Test?

 
mytarmailS:

Wie sieht's aus? Hatten Sie Glück mit dem Test?

Es ist immer noch dasselbe... am Anfang der Woche funktioniert es gut, nach dem "Vortraining". Dann beginnt es zu schütten. Habe es noch einmal überarbeitet, werde es morgen testen :D

Einige Handelsroboter können im Trader falsch berechnet werden... Nach einer Reihe von Aktualisierungen beginnt der Handel auf die falsche Weise

Ich arbeite auch mit wiederkehrenden Netzen in Torch.

gelb - Anfang der Wochen, erste 1-3 Tage


 

Hat jemand versucht, die Dimensionalität mit Hilfe von sich wiederholenden (wiederkehrenden?) Netzen zu reduzieren?

Artikel.

Video.


Лекция 6 | Нейросетевые технологии
Лекция 6 | Нейросетевые технологии
  • 2018.10.14
  • www.youtube.com
Дата: 08.10.2018 Лектор: Дорофеев Евгений Александрович Лекции в формате PDF - https://goo.gl/Xwzg4a
 
Aleksey Vyazmikin:

Hat jemand versucht, die Dimensionalität mit Hilfe von sich wiederholenden (wiederkehrenden?) Netzen zu reduzieren?

Artikel.

Video.


es werden rekursive Autoencoder verwendet. habe ich nicht ausprobiert

 
Maxim Dmitrievsky:

es werden rekursive Autoencoder verwendet. habe ich nicht ausprobiert

Ich kann nicht verstehen, wie alle Ausgangsneuronen, deren Anzahl gleich der Anzahl der Eingangsneuronen ist, auf einmal ausgewertet werden...

Wenn Sie etwas Ähnliches sehen, das sich zur Verwendung eignet, lassen Sie es mich bitte wissen.

Ich habe eine Stichprobengröße von fast 3000 Prädiktoren, und es besteht die Sorge, dass sie stark komprimiert werden können, da sie einen ähnlichen Bereich beschreiben.

 
Aleksey Vyazmikin:

Ich kann nicht verstehen, wie die Schätzung der Modellqualität für alle Ausgangsneuronen, deren Anzahl gleich der Anzahl der Eingangsneuronen ist, auf einmal erfolgt...

Wenn Sie etwas Ähnliches sehen, das für die Anwendung geeignet ist, lassen Sie es mich bitte wissen.

Ich habe eine Stichprobe von fast 3000 Prädiktoren, und es bestand die Sorge, dass sie stark komprimiert sein könnten, da sie einen ähnlichen Bereich beschreiben.

Die Eingabe und Ausgabe sind alle fics, es gibt weniger Neuronen in der versteckten Schicht. Es komprimiert einfach die Informationen, indem es den Fehler in der Ausgabe minimiert. Der Input sollte (im Idealfall) dem Output entsprechen. Dann wird der zweite Teil von NS nach dem Training verworfen und man erhält am Ausgang komprimierte Merkmale, die der Anzahl der Neuronen in der versteckten Schicht entsprechen

Sie können wiederkehrende Schichten hinzufügen, usw.

google autoencoder und ihre Varianten.