Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 353
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
Wenn wir von Minuten sprechen, ist der Markt statistisch homogen, d.h. die Statistiken ändern sich wenig (stabil) von Woche zu Woche, von Monat zu Monat. Ich weiß es nicht, ich habe die Frage nicht über längere Zeiträume untersucht. Soweit ich mich erinnere, arbeiten Sie an 1 Minute.
15 Minuten ist der Basiszeitrahmen, oder OHLC für 1 Minute, aber es sind immer noch 15 Minuten. Ich würde gerne Ticks verwenden, aber es ist sehr langsam optimiert, der Tester wird in C++ geschrieben und kann viel schneller fertig sein
Wenn Sie häufig in kleinen Zeiträumen überoptimieren, können Sie dies im Prinzip auch bei den Minuten tun. Natürlich nicht der Gral, aber man kann sich etwas verdienen.
Wie versprochen, habe ich in meinem Blog einen kurzen Bericht über die Aufgabe der Erkennung von MA Crossover NS - NEUROSETS AND MOVING AVERAGE veröffentlicht
In den Nachrichten, Artikeln usw. ist von den Errungenschaften neuronaler Netze die Rede, z. B. dass sie Kätzchen von Welpen unterscheiden können usw. Dabei handelt es sich aber offensichtlich um sehr teure kommerzielle oder experimentelle Netze, die sich normale Händler nicht leisten und nicht entwickeln können.
Kann der uns zur Verfügung stehende NS (z.B. von R oder ALGLIB) primitive Dinge wie Dreiecke, Quadrate und Kreise voneinander unterscheiden? So wie bei Lernspielen für 2-3jährige Kinder.
Mir scheint, dass die Materialien zu diesem Thema in einem neuen Zweig https://www.mql5.com/ru/forum/192779 so angeordnet werden können, dass man (wenn es ein Ergebnis und eine Möglichkeit gibt, das Experiment zu wiederholen) es finden und wiederholen kann, und hier auf 350 Seiten ist es schon schwierig, etwas zu finden...In den Nachrichten, Artikeln usw. ist von den Errungenschaften neuronaler Netze die Rede, z. B. dass sie Kätzchen von Welpen unterscheiden können usw. Dabei handelt es sich aber offensichtlich um sehr teure kommerzielle oder experimentelle Netze, die sich normale Händler nicht leisten oder entwickeln können.
Und kann NS (z. B. von R oder ALGLIB) primitive Dinge wie Dreiecke, Quadrate und Kreise voneinander unterscheiden? Genau wie in Lernspielen für 2-3-jährige Kinder.
Gut und absolut schwierige Variante - volumetrische Zahlen...
Ich kenne mich mit Alglib nicht aus, aber man kann es in R machen, man braucht eine Eingabematrix von etwa 16x16. Das sind 256 Neuronen pro Eingang). Na ja, vielleicht ein bisschen weniger. Sie können fertige Implementierungen für ein ähnliches Problem im Internet finden.
Man kann das auch mit Rotation machen, aber der NS wird tiefer und komplizierter sein. Ich persönlich verzichte darauf)).
Allerdings sehe ich bei der Konstruktion von TC die Anwendung Ihrer Probleme in dieser Form nicht.
Allerdings sehe ich für die TK-Konstruktion die Anwendung Ihrer speziellen Aufgaben in dieser Form nicht.
Ich möchte nur sicherstellen, dass die uns zur Verfügung stehenden Netze einfache Aufgaben bewältigen können, bevor wir sie für komplexere Handelsaufgaben einsetzen.
Ich möchte nur sicherstellen, dass die uns zur Verfügung stehenden Netze einfache Aufgaben bewältigen können, bevor wir sie für komplexere Handelsaufgaben einsetzen.
Quadrate und Kreise lassen sich mit klassischem MLP problemlos erkennen, wenn man etwas tiefer in die Materie einsteigt, trifft man auf die klassische handschriftliche Ziffernerkennungsaufgabe MNIST, da ist gewöhnliches MLP ein Kinderspiel bis 97%, dann mit einem Knarren noch ein halbes Prozent, und dann beginnt der Tanz mit dem Tamburin. In der Tat ist ein solches Situationsmuster bei vielen Aufgaben in ML zu erkennen, in der Regel ist der Kampf nicht für ausreichende Ergebnisse, und für 3-5 Dezimalstellen in einer Klammer.
Nach Experimenten mit MA sehe ich in diesem Stadium das Hauptproblem der Verwendung von NS in TS in der Vorbereitung der Daten, die in die NS-Eingänge eingespeist werden. Rohdaten sind für die meisten NS wahrscheinlich ungenießbar.
Dieser Zweig wurde hauptsächlich gegründet, um dieses Problem zu lösen. Aber es ist viel nützlicher, sich aus eigener Erfahrung von der Bedeutung dieses Themas zu überzeugen. Sie stehen am Anfang einer schwierigen, aber interessanten Reise.
Viel Glück!
PS. In R, und damit auch in Python, sind alle derzeit bekannten, hochentwickelten neuronalen Netze verfügbar. Man muss nur lernen, wie man sie benutzt.
Ja, und scheiß drauf.
Nehmen Sie dummerweise die einfachste Sache, einen Zufallswald. Normalerweise erhalten wir Unterricht als Ergebnis einer Ausbildung. In Wirklichkeit gibt der Algorithmus die Wahrscheinlichkeit der Klasse an, aus der wir dann die Klasse erhalten. Normalerweise teilen wir die Wahrscheinlichkeit für zwei Klassen in zwei Hälften.
Wie wäre es mit einer Einteilung in Klassen: 0 - 0,1 ist eine Klasse und 0,9 - 1,0 ist eine andere Klasse? Und die Lücke zwischen 0,1 und 0,9 ist nicht marktfähig?
Das ist es, was ich in dem Artikel gesehen habe.
Dies ist incalibrate::CORELearn/ besser und eleganter gelöst.
Und das schon seit geraumer Zeit.
Viel Glück!