Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2619

 
Fast235 #:

habe ich irgendwo versucht, Sie zu hacken?

Schauen Sie in Ihren Beiträgen in diesem Thema nach, falls die Moderatoren es nicht bereinigt haben.
 
mytarmailS #:

Versuchen Sie es, Sie können die Indikatoren sicherlich annähern, aber die diskrete Logik mit zeitlichen Abständen ist nicht realistisch mit einem gleitenden Fenster zu beschreiben, das ist eine Tatsache

Das zweite Modell, das lernt, nur in diesen Momenten zu handeln. Man muss es ausprobieren, es ist nicht von vornherein klar.
 
Maxim Dmitrievsky #:
Das zweite Modell, das nur in diesen Momenten lernt zu handeln. Man muss es ausprobieren, es ist nicht von vornherein klar

Entwarnung)

 
Fast235 #:

Ich habe es verstanden.)


Übernehmen Sie die Verantwortung für Ihre eigenen Worte und machen Sie keinen Rückzieher.

 
mytarmailS #:

So einfach ist das nicht...

Profitable Strategien handeln nicht in einem gleitenden Fenster, also kann man sie nicht mit MO simulieren, weil AMOs standardmäßig mit tabellarischen Daten arbeiten, und tabellarische Daten sind im Wesentlichen eine Berechnung von Dingen in einem gleitenden Fenster...


Hier ist ein Beispiel von der Decke: Nennen wir diese "Profitable Strategie": Warten Sie für die Aufschlüsselung der wöchentlichen niedrig, dann gehen Sie zurück und warten Sie auf eine Art von Candlestick-Konfiguration - eingeben...

Wie kann man ein solches Muster im MO finden, wenn man Tabellendaten hat, d.h. man sucht nach den letzten n Candlesticks, die Antwort ist nichts.

Natürlich kann man Traits für diese "Profitable Strategy" erstellen , damit sie funktioniert, aber man muss diese Strategie kennen, um Traits für sie zu erstellen, und wir kennen sie nicht...


Es gibt nur zwei Algorithmen, die diese Probleme lösen können, vielleicht nur einen... Aber es gibt sie.

MO hat ein "+". Wenn alle Indizes eine Kaufempfehlung aussprechen, erinnert sich MO daran, was in dieser Situation in Ordnung war, wenn es ein Verkauf war. Reine Statistik. Aber es gibt auch ein "-". Im Idealfall macht es die Sache interessanter, wenn man das Muster kennt. Um die Größe des Musters und das Muster selbst zu erkennen, benötigen Sie ein separates Netz. Das übersteigt sofort die Hardware- und Softwarekapazitäten (Speicher) von MT und macht die Ausbildung zeitlich unpraktisch. Und die Verwendung von Software von Drittanbietern auf dem Markt ist inakzeptabel, also müssen wir einen Kompromiss finden. Nimmt man einen größeren Zeitrahmen und weniger Balken, verliert das Bild seine Einzigartigkeit. Wenn wir einen kleinen TF und viele Balken nehmen, geht die Trägheit des Haupttrends verloren. Ich ziehe es vor, in NS überhaupt keine Indikatoren zu verwenden - sie verlangsamen die Reaktionszeit und führen zu Stereotypie.

 
Dmytryi Voitukhov #:

MO hat ein '+'. Wenn alle Indizes eine Kaufempfehlung aussprechen, erinnert sich MO daran, was in dieser Situation in Ordnung war, wenn es ein Verkauf war. Reine Statistik. Aber es gibt auch ein "-". Im Idealfall macht es die Sache interessanter, wenn man das Muster kennt. Um die Größe des Musters und das Muster selbst zu erkennen, benötigen Sie ein separates Netz. Dies übersteigt sofort die Hardware- und Softwarekapazitäten (Speicher) von MT und macht die Ausbildung in Bezug auf den Zeitaufwand unpraktisch. Und die Verwendung von Software von Drittanbietern auf dem Markt ist inakzeptabel, also müssen wir einen Kompromiss finden. Nimmt man einen größeren Zeitrahmen und weniger Balken, verliert das Bild seine Einzigartigkeit. Wenn wir einen kleinen TF und viele Balken nehmen, geht die Trägheit des Haupttrends verloren. Ich ziehe es vor, in NS überhaupt keine Indikatoren zu verwenden - sie verlangsamen die Reaktionszeit und führen zu Stereotypie.

Du redest von etwas anderem...
 

Ran an mein Konzept... naja, es ist schwer zu fassen, die Innereien selbst, overfit

müssen die Prado-Artikel von neulich lesen) wollen einen TC auf dem MO!

 
GitHub - fernandodelacalle/adv-financial-ml-marcos-exercises: Exercises of the book: Advances in Financial Machine Learning by Marcos Lopez de Prado
GitHub - fernandodelacalle/adv-financial-ml-marcos-exercises: Exercises of the book: Advances in Financial Machine Learning by Marcos Lopez de Prado
  • fernandodelacalle
  • github.com
My solutions to the exercises of the book. All the code of the src/snippets folder is taken from the book Python 3.6 and libraries of requirements.txt A dokerfile is also provided.
 
Maxim Dmitrievsky #:

Ran an mein Konzept... naja, es ist schwer zu fassen, die Innereien selbst, overfit

müssen die Prado-Artikel von neulich lesen) wollen einen TC auf dem MO!

Ich denke, Sie müssen zunächst die Schwäche der Schiebefenster für den Markt zu verstehen, dann warten, wie viel Sie auf die Zeichen aussehen kann und dass der Server muss zumindest etwas zählen
 
mytarmailS #:
Ich denke, man muss erst einmal verstehen, was es mit dem gleitenden Fenster für den Markt auf sich hat, und dann braucht man einen Server, um etwas zu berechnen.
Was gibt es zu zählen? 200 Modelle in 5 Minuten auf einem Mac, das ist wie Intel 9.
Ich bin mir der Mängel bewusst, aber ich hätte gerne einen MoD-Generator.