Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 783
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
¿Cómo puedo ejecutar Rattle como el artículo https://www.mql5.com/ru/articles/1165?
Instalado en la consola R(install.packages("rattle"))
En la consola de R sólo hay "cargar espacio de trabajo" y en el artículo "Archivo/Espacio de trabajo;"
¿O no se hace en la consola R allí, sino en un prog diferente?
¿Cómo puedo ejecutar Rattle como el artículo https://www.mql5.com/ru/articles/1165?
Instalado en la consola R(install.packages("rattle"))
En la consola de R sólo hay "cargar espacio de trabajo" y en el artículo "Archivo/Espacio de trabajo;"
¿O no se hace en la consola R allí, sino en otro prog?
Y todo está en marcha.
library(rattle) rattle()Cortes similares (de frente), tuvimos tanto yo como Doc(según tengo entendido), como se dijo.
Era mejor cuando intentaba ceñirme a esto y demás. -
https://en.wikipedia.org/wiki/Markov_decision_process
https://en.wikipedia.org/wiki/Partially_observable_Markov_decision_process
Lo hiló hace mucho tiempo, no por mucho tiempo, sólo por interés....
también hay algunos MPPR parcialmente observables, gracias, voy a leer
Tengo 3 RSI en la entrada aquí y eso es todo, creo que se puede mejorar por otros predictores un poco voluntad
> ¿Es posible ver en R toda la historia, cómo se cumplió un pronóstico de ARIMA, para buscar los mejores períodos para ello?
Sí, por ejemplo, guardando el historial de barras de mt5 en un archivo csv, importándolo a R, y luego usando la ventana deslizante entrenar en algún intervalo y probarlo en el siguiente, y desplazar la ventana de entrenamiento cíclicamente.
Gracias.
de los que han entrado en "paquetes", ninguno ha vuelto (es algo ambiguo)
hasta que no tengas una idea sólida no hay nada... todo lo que has hecho todos estos años no es nada
porque has estado dando vueltas con tus supuestas buenas características pero lo que es bueno es el software, no sus características...
los patrones existen en el mundo real, no en el mundo de los paquetes, así que búsquelos, y si los encuentra, puede incluso codificarlos usted mismo
o mejor aún, olvídalo
Realmente no está muy claro en las palabras anteriores lo que quise decir, así que probablemente voy a empezar en orden, y donde se necesita la ayuda de expertos en R es tirar de los que estarán interesados en mis deducciones. En cualquier caso, llegará el momento en que habrá que comprobar mis declaraciones allí y ver si somos un equipo en su conjunto. Aquí está. Regresión.
No te lo vas a creer, toda mi vida he trabajado exclusivamente con la clasificación y de alguna manera me he aburrido. He tenido que rehacer todo 3 veces durante la noche, porque el error en el cálculo de la desviación (htcgtrnelibrarius) ha supuesto más y más, pero ya está claro que la noche en vela no ha sido en vano. Y ahora se ha vuelto algo aburrido, pero sería interesante probar algo nuevo.
En la versión antigua se alimentaba la MA a partir del delta acumulado, no de la desviación. Si los resultados fueron buenos, el predictor también lo es de esta forma. Teniendo MA cum. delta y cum. delta en sí mismo - NS puede encontrar análogo de desviación en sí mismo, si lo considera rentable.
Creo que te estás frustrando por nada y quieres cambiar a algo nuevo. Termina tu desarrollo, los resultados actuales son muy alentadores.
En la versión antigua se alimentaba la MA a partir del delta acumulado, y no de la desviación. Si los resultados fueron buenos, significa que el predictor es bueno en esta forma. Teniendo MA cum. delta y cum. delta mismo - NS mismo puede encontrar análogo de desviación, si lo considera rentable.
Creo que te estás frustrando por nada y quieres cambiar a algo nuevo. Termina tu desarrollo, los resultados actuales son muy alentadores.
Esa es la cuestión: el trabajo está terminado y, de repente, se vuelve aburrido. Ayer no hubo errores y durante al menos otros 3-4 días laborables sigue ahí. La pregunta es ¿qué hacer mientras el TS trabaja en automático, cuando se quiere investigar y hay tiempo para hacerlo?
Actualicé el java y todo fue... Hurra... Entonces, ¿dónde estábamos? ???? Ah sí.... regresión... Así pues, definamos el planteamiento del problema y la elección de los ajustes iniciales del CT.
Intentaré establecer una analogía con los métodos de clasificación, pero primero definamos las condiciones.
La regresión implica la previsión del valor de un parámetro futuro. Seleccionemos el cambio de precio como parámetro. Es suficiente con tener una previsión para 1 barra por delante, pero es aburrido. Planteemos el problema de la siguiente manera:
Debemos prever el cambio de precio para 10 barras por delante. Es decir, el resultado del modelo será un valor por encima o por debajo de cero (dirección del cambio), así como el grado de este cambio. Es decir, cuánto será...
(Te recuerdo que yo sólo marco la dirección del trabajo, si no estás de acuerdo con mi propuesta de condiciones y tienes una ALTERNATIVA a la misma, habla activamente. Todo es negociable y corregible).
Como ya han adivinado, ésta es la función objetivo de nuestro modelo. Primero definámoslo y arreglémoslo. Sobre la base de lo que hemos dicho anteriormente, hacemos lo siguiente.
Close[i]-Close[i+10] en primer lugar, vamos a calcular el cambio del cierre actual en relación con el cierre de hace 10 barras.
Lead=Close[i-10]-Close[i] ahora mueve nuestra función 10 barras hacia atrás. Esta operación es posible SÓLO para las funciones de destino y no se puede utilizar en el comercio real. Como resultado, mostraré lo que tenemos en el gráfico.
El verde es Chenge, el azul es Plomo. El indicador principal mira 10 barras por delante. Se ve así:
Tenemos una ventana de previsión entre las dos líneas. Podemos calcular el cambio sólo en la última barra de esta ventana. Esa es la línea verde. Pero necesitamos conocer este valor en la primera barra de esta ventana (sólo como ejemplo), por lo que desplazamos el gráfico hacia atrás como la línea azul, donde en la primera barra de esta ventana pedimos a nuestra red que nos dé el valor que está por venir. Entonces podemos aprovechar esto.
Preguntas sobre los cambios en la selección de objetivos han?????
En apoyo de este enfoque diré que hace tiempo se investigó mucho sobre el objetivo de la regresión y se llegó a la conclusión de que cuanto más sencilla sea la función, mejor. Cualquier aumento de la complejidad del objetivo no mejora en absoluto el rendimiento del modelo, incluso lo empeora. Partimos de la afirmación "Todo es sencillo en la genialidad". Si el modelo funciona correctamente, este objetivo será suficiente. A la espera de los comentarios y de continuar...
Naturalmente, el objetivo (línea azul) no será la punta del indicador de 1 a 10 barras. Depende de la IA llevarla a 0 bar. Esta será la previsión para el futuro.