Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1215

Neuer Kommentar
 
Igor Makanu:

Ich sage Ihnen, dass Sie der einzige waren, der das MO-Problem auf diese Weise vereinfachen konnte, alles ist durchsuchbar, alles funktioniert, es gab Beispiele von Reshetov in den frühen Tagen der MQL-Entwicklung, aber sie sind primitiv, obwohl ))))

Es bleibt nur noch, den Algorithmus zu verfeinern und das RL-Thema abzuschließen :) es könnte möglich sein, einige % Modellqualität mit höherwertigen Klassifizierungen in Python zu erreichen

und die Variantenaufzählung an Tesla zu übergeben... aber es ist viel zu tun
 
Martin Cheguevara:

Mein Aktienchart ist nicht zufällig und recht informativ (ich muss ihn überprüfen), ich habe gelernt, Trends von Abflachungen zu unterscheiden.

Der Handel findet statt, aber er muss effizienter werden.

Wo ist das Schaubild zum Eigenkapital?

 
Martin Cheguevara:
Ich werde die Seitenanalyse über die Suchmaschinen Google und Yandex hinzufügen.

Wozu brauchen Sie es also?

 
Maxim Dmitrievsky:

es bleibt nur noch, den Algorithmus zu Ende zu lecken und dieses Thema mit RL abzuschließen :) es kann auf python aufgrund der höheren Qualität der Klassifizierung immer noch möglich sein, einige % der Modellqualität herauszuquetschen

Ich habe noch viel zu tun.

Ich habe es in VS2017 gestern versucht, Python funktioniert, und ich habe es sogar in einem separaten Widows-Formular. Das einzige, was ist, dass IronPython 2.7 ist es, ich muss es analysieren, aber ich denke, ich kann es mit MT5 ohne Probleme andocken

 
Ich habe gelernt, Trends von Flachheit zu unterscheiden:

Ja, ich dachte nur, warum etwas selbst zu schaffen, ich bin in der Ursache-Wirkung-Beziehung der beiden Variablen interessiert mein Programm ist bereits in der Lage, Apache Lucene, JSOUP, JSON, Apache POI und so weiter Technologien zu verwenden, um Text überall in irgendetwas in den Bildern zu Dokumenten und so weiter zu erkennen (dies wird durch Informationsmatrizen (in einer verteilten Datenbank gespeichert) begleitet, nach denen indiziert ist Informationen in grafischen Objekten erkannt), wenn etwas nicht - auf der Suche nach einer Website, um Daten in ein akzeptables Format für die Anerkennung oder selbst zu konvertieren, wenn kann.

Die Sache ist die, dass ich das Rad nicht neu erfinden will ... Ich muss nur ein neuronales Netzwerk finden, das in der Lage ist, schnell mit zwei Eingangsvariablen zu lernen - den Aktiendaten und dem Trendindikator.

(Ich habe etwa 5 Jahre Erfahrung in der Java EE-Entwicklung, viele Projekte wurden bereits umgesetzt).

Ich versuche nicht einmal, dem Markthandel ein Neuron zuzuordnen. Es ist unnötig und wahrscheinlich zum jetzigen Zeitpunkt unmöglich, da es nicht mindestens eine Implementierung eines stabilen neuronalen Netzes gab.

Mein Equity-Diagramm ist nicht zufällig und recht informativ (ich muss es noch überprüfen), ich habe gelernt, Trends von flachen zu unterscheiden.

Ich habe gelernt, wie man Trends von Flats unterscheidet. Der Handel läuft, aber ich muss die Performance verbessern.

Ich war einmal in das Thema der Schaffung von Neurofiltern beschäftigt, um die Effizienz der vorgefertigten EAs mit dem Lernen von Handelsergebnissen in der Tester zu verbessern und es gibt einige Entwicklungen, und im Moment bin ich nur im Bereich der Ihr Know-how interessiert, in Bezug auf die Analyse, Erkennung, Indizierung für Archive der verschiedenen Arten von Dokumenten, Alben, etc. Wenn dieser Beitrag nicht trolling, können wir für beide Seiten vorteilhafte Zusammenarbeit zu suchen, schreiben Sie in der persönlichen.
 
Alexander_K:

Ehhhhh, Leute...

Kesha ist bereits deine Retterin geworden... Der Enkel und treue Gefolgsmann von SanSanych, der weder Physik noch Mathematik kannte...

Die Rücksendungen sind einfach, denn der Preis ist ein integraler Bestandteil von ihnen und nichts weiter.

Wenn Sie nicht wissen, was Sie damit machen sollen, werden Sie vielleicht überrascht sein, dass der Preis ein Integral davon ist, also schränken Sie sich nicht ein, um Gottes Willen, ein Typ wie "Quantum von Volstreet" sagt im Medium, dass Renditen genug sind und jeder stimmt ihm zu. Quants benutzen keine Stoploops und Tecrofits, für sie ist alles Mathematik, es ist eine andere Dimension, eine Abstraktion.


 
Kesha Rutov:

Die Rückkehr ist Momentum, und es gibt auch stochastische, makdak, Zickzack, etc. Keine Notwendigkeit, sich zu begrenzen, von Gott, einige Onkel, wie "Quantum von volstreet" in der Mitte, plappern, dass genug zurück und jeder zustimmen, ihn, gut, Quants und stoploops nicht verwenden und teyrofits, für sie alle eine kontinuierliche Mathematik, ist es eine andere Dimension, eine Abstraktion.


Aleshenka Bruder nahm uns auf einen falschen Weg, Vorhersage kehrt mit einem negativen Fehler, und er lief weg

 

Eine interessante Frage zu prädiktiven Metriken wurde aufgeworfenhttps://stats.stackexchange.com/questions/126829/how-to-determine-forecastability-of-time-series

Ich weiß nicht, wie wichtig das für unsere Zwecke ist und wie sehr es sich auswirkt, aber es machte mir nichts aus, ein paar Zeilen Code zu schreiben, um die Abhängigkeit der "gewissen Vorhersagekraft" von der Größe des Datenfensters zu überprüfen.

Ich habe also 4 verschiedene Preispakete (Wiederkehrer) genommen und die Abhängigkeit der "Vorhersagekraft" von der Fenstergröße in jedem Paket überprüft

x1 ist also die Potenz der Vorhersagen und x2 die Anzahl der Datenpunkte in der Box

Schlussfolgerungen:

1) Die Verwendung eines festen Zeitfensters für Vorhersagen ist alles andere als optimal.

2) das optimale Fenster für die Vorhersage ist immer "fließend"


Code:

х <- my_price
q <- 10:500
ma <- matrix(nrow = 0,ncol = 2)
for(i in q) {
  
  x1 <- ForeCA::Omega(  tail(diff(x),i) ,spectrum.control = list(method = "wosa"))[1] 
  x2 <- i
  d <- cbind(x2,x1)
  ma <- rbind(ma,d)
}
plot(ma,t="l",main = max(ma[,2]))


где х  - это цена
How to determine Forecastability of time series?
How to determine Forecastability of time series?
  • stats.stackexchange.com
One of the important issues being faced by forecasters is if the given series can be forecasted or not ? I stumbled on an article entitled "Entropy as an A Priori Indicator of Forecastability" by
 
mytarmailS:

interessante Frage zu prädiktiven Metriken aufgeworfen

Ich weiß nicht, wie wichtig sie für unsere Zwecke ist und wie viel Einfluss sie hat, aber ich hatte den Mut, ein paar Zeilen Code zu schreiben, um die Abhängigkeit der "gewissen Vorhersagekraft" von der Größe des Datenfensters zu überprüfen.

Schlussfolgerung:

1) Die Verwendung eines festen Zeitfensters für Vorhersagen ist alles andere als optimal.

2) Das optimale Vorhersagefenster ist immer "fließend".

Schlussfolgerungen. Eine Prognose von über 100 Punkten ist bedeutungslos.

 
Yuriy Asaulenko:

Schlussfolgerungen. Eine Vorhersage über 100 Punkte ist sinnlos.

Nein, das richtige Wort ist "sinnlos", um einen festen Zeitraum zu nehmen

1...120812091210121112121213121412151216121712181219122012211222...3399
Neuer Kommentar