Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 722
![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
¿Cree que hay alguna perspectiva de automatización?
¡Sergey, por supuesto!
Y entonces el probador mostrará las perspectivas de este indicador.
El trabajo autónomo ayudará, pero no olvides el código fuente en los términos de referencia
Lo tengo reconociendo bien, pero no consigo que el punto de entrada sea el correcto. Quiero enseñar a la red a reconocer, no la aparición de una vela, sino el momento real de entrada sin caída. Mis paradas están haciendo que todo baje.
No puedo escribir tal condición. ¿Tal vez alguien me diga cómo?
No puedo probarlo en el probador, porque no funciona allí debido a la integración con las neuronas. Está escrito en python y la información se intercambia a través del archivo y el probador no crea este archivo.
Existen algunos modelos GARCH. Sabemos por ellos que es más probable un retroceso de la subida de precios que una continuación de la misma. Usted confirma esta verdad.
El consejodel Dr. Trader no es sencillo.
Un nuevo libro sobre el aprendizaje profundo se publica en ruso:
Goodfellow J., Bengio I., Courville A.El aprendizaje profundo es un tipo de aprendizaje automático que permite a los ordenadores aprender de la experiencia y entender el mundo en términos de una jerarquía de conceptos. El libro contiene
los fundamentos matemáticos y conceptuales del álgebra lineal, la teoría de la probabilidad y la teoría
de la información, la computación numérica y el aprendizaje automático en la medida necesaria
para comprender el material. Se describen las técnicas de aprendizaje profundo utilizadas en la práctica de
, incluidas las redes profundas de propagación directa, la regularización, los algoritmos de optimización de
, las redes convolucionales, el modelado de secuencias, etc.
Se cubren aplicaciones como el procesamiento del lenguaje natural, el reconocimiento del habla, la visión por ordenador
, los sistemas de recomendación en línea, la bioinformática y los videojuegos.
La publicación está dirigida a estudiantes de grado y posgrado, así como a programadores experimentados
que quieran aplicar el aprendizaje profundo como parte de sus productos o plataformas.
UDC 004.85
LIBC 32.971.3
El enlace de rutracker puede lanzar en el personal. El libro es excepcionalmente interesante.
Buena suerte
Un nuevo libro sobre el aprendizaje profundo se publica en ruso:
Goodfellow J., Bengio I., Courville A.El aprendizaje profundo es un tipo de aprendizaje automático que permite a los ordenadores aprender de la experiencia y entender el mundo en términos de una jerarquía de conceptos. El libro contiene
los fundamentos matemáticos y conceptuales del álgebra lineal, la teoría de la probabilidad y la teoría
de la información, la computación numérica y el aprendizaje automático en la medida necesaria
para comprender el material. Se describen las técnicas de aprendizaje profundo utilizadas en la práctica de
, incluidas las redes profundas de propagación directa, la regularización, los algoritmos de optimización de
, las redes convolucionales, el modelado de secuencias, etc.
Se cubren aplicaciones como el procesamiento del lenguaje natural, el reconocimiento del habla, la visión por ordenador
, los sistemas de recomendación en línea, la bioinformática y los videojuegos.
La publicación está dirigida a estudiantes de grado y postgrado, así como a programadores experimentados
que quieran aplicar el aprendizaje profundo como parte de sus productos o plataformas.
UDC 004.85
LIBC 32.971.3
El enlace de rutracker puede lanzar en el personal. El libro es excepcionalmente interesante.
Buena suerte
No hay series no estacionarias generadas por procesos indeterminados entre la lista de aplicaciones.
¿Existe alguna justificación de la posibilidad de aplicar las redes profundas a las series financieras?
He encontrado un enlace a algo relacionado con ese libro -http://www.filedropper.com/--2018
(el enlace y la página web no son míos)
No hay series no estacionarias generadas por procesos inciertos entre la lista de aplicaciones.
¿Se justifica en alguna parte la posibilidad de aplicar las redes profundas a las series financieras?
¿Por qué necesitas la justificación de otra persona? Se crean predictores, se construye un modelo, se entrena/prueba y se sacan las propias conclusiones. Si es posible/razonable aplicar el modelo a sus predictores.
Sólo hago la clasificación. Y, según mi experiencia, las redes neuronales (no sólo las profundas) son muy buenas en esta tarea. Echa un vistazo al último artículo sobre conjuntos. Los resultados son muy buenos y con un importante margen de mejora.
Buena suerte
No hay series no estacionarias generadas por procesos inciertos entre la lista de aplicaciones.
¿Se justifica en alguna parte la posibilidad de aplicar las redes profundas a las series financieras?
No es un comerciante. ya es hora de entender, no hay nadie para preguntar :)
No es un comerciante. Ya es hora de entender, no hay nadie a quien preguntar :)
¿Qué importa si es un comerciante o no? Tiene razón en el meollo de la cuestión.
¿Qué importa si es un comerciante o no? Tiene razón en el fondo de la cuestión.
No ha respondido a la esencia de la pregunta, y la pregunta era angular.
No es el caso, por decir algo - la formación con un profesor no es en principio adecuada para trabajar con procesos no estacionarios, está escrito en cualquier libro. De ahí todo este satanismo de los datos y la cantinela sobre la estacionalidad, la normalización, etc.
No es que esté desanimando a nadie a hacer nada, pero a veces es útil decirlo unas cuantas veces para que la gente lo tenga grabado en su subcortex
No respondió a la esencia de la pregunta, y la pregunta era una piedra angular
Si no más - la formación con un maestro, en principio, no es adecuado para trabajar con los procesos no estacionarios, se escribe sobre él en cualquier libro. De ahí todo este satanismo de los datos y el encantamiento sobre la estacionariedad, la normalización, etc.
¿Dónde está escrito que la enseñanza con un profesor requiera estacionariedad?
Lo que usted llama kamlanie, se demuestra repetidamente, montañas de publicaciones, pero sobre la formación sin un maestro para el comercio no hay nada en absoluto.