Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2169
![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Du machst geniale Sachen ) Ich werde am Montag anfangen, meine Favoriten zu beobachten
Ich danke Ihnen! Wenigstens etwas, um die "theoretische" Argumentation zu verwässern...
Wenn Sie es brauchen, finden Sie hier ein kleines Skript, das die relative Fläche unter der Schnittlinie der Verteilungskurven der Werte eines Merkmals für zwei Cluster berechnet.
Ich denke, es ist ein guter Maßstab für die Wahl der Durchforstungsmethode, der Zielanalyse, der Merkmale und wer weiß, was noch alles.
area_overlap ist auf dem Bild gelb.
das Thema wurde ernst )
hier ist eine fortgeschrittenere (aber vielversprechende) Art zu lesen
https://ml4trading.io/chapter/19
Es geht um Dichten und darum, wie man mit Hilfe von Autoencodern Merkmale und Beschriftungen aus dem posterioren Bereich entnehmen kann. Es ist auch möglich, Funktionsräume nach eigenem Geschmack zu verschieben.
insbesondere CVAEs (conditinal variational autoencoders) sind interessant
+ Gesamte Merkmalsdekorrelation über zufällige Faltungskerne.
Ich möchte den Antwortteil an mql übertragen, so dass es möglich ist, neue Merkmale aus dem trainierten Modell im Terminal zu erhalten
https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html
der Umfang der Arbeiten im Allgemeinen
Nach nur wenigen Versuchen lautet die Schlussfolgerung:
Sampling aus dem generativen Modell und anschließendes Lernen aus diesen Samples ist sehr gut (aber bisher habe ich nur GMM (gaussian mixture model) verwendet, nicht Autoencoder)
Merkmalsdekorrelation über ROCKET ist in Ordnung, es gibt eine Verbesserung der Verallgemeinerbarkeit
Was wollen Sie sehen? Hier ist der echte tc auf MoD aus meinem Artikel. Die Ausbildung dauert nur 1 Monat, dann folgt die Generalisierung für 2 Jahre. Und es ist echt und es funktioniert
МАшекшек Kreuzung und Handel wie auf meinem Screenshot zeigen
Und warum sollte ich das dem Prüfer zeigen?
Sie können die Trades //demo oder real zeigen, das spielt keine Rolle.
den Schnittpunkt der MAs und die Trades wie auf meinem Screenshot anzeigen
Und warum sollte ich das dem Prüfer zeigen müssen?
Zeigen Sie mir Ihr Geschäft //demo oder real, es spielt keine Rolle
zeigen Sie mir zunächst einen Monat lang ein Live-Signal dieses Dienstes (Demo oder echt)
oder nicht bogart.
Gibt es überhaupt einen Nutzen für neuronale Netze, funktioniert das für den Handel?
Nein, das tut es nicht, die MO macht nur mehr oder weniger "wissenschaftlich" deutlich, dass es bei reinen Preisen fast keine Informationen über die Zukunft aus der Veränderung gibt. Es gibt natürlich einige "Spuren", Krümel, aber sie sind nicht vorhersehbar, die Streuung/Provision frisst alles auf und der Grund sind nicht die Algorithmen, sondern die Daten.
Die großen Hedgefonds haben tausendmal mehr Daten (Terabytes pro Tag) und sie handeln mit HFTs, so dass man aus den Krümeln ein Brötchen backen kann, und wir ***einfach alle Arten von neuen Rahmen und ***unterschiedlich zu sozialen Netzwerken.
in einem Monat ein Live-Signal dieses Dienstes zeigen (Demo oder echt)
oder quaken Sie nicht
man kann es nicht auf der Maische machen, deshalb zeigt man es nicht
Und wenn Sie versagen, warum beraten Sie dann die Leute hier?Sie können es nicht auf der Maische machen, deshalb zeigen Sie es nicht.
Wenn Sie scheitern, warum geben Sie den Leuten dann immer wieder gute Ratschläge?Werden Sie das überwachen, oder werden Sie weiter schreien?
Ich gebe niemandem Ratschläge.
Sie sollten besser Russisch lernen.Werden Sie das überwachen, oder werden Sie weiter niesen?
Ich rate niemandem etwas.
verschlingen