Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 854
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
¿Para mí? Ya he resuelto el problema. Ahora estoy pensando en otra cosa que hacer. Python o R. Todavía no tengo ninguna idea nueva.
Entonces, ¿cómo se evalúa el modelo? O siempre se obtiene el mismo modelo cuando se construye el mismo conjunto una y otra vez. ¿Es así?
Tienes razón, tienes razón, pero la tarea de la IA está precisamente en las series no estacionarias, donde el patrón es flotante. La tarea de la IA es mantenerla en funcionamiento cuando esa relación se escapa, aunque sea por poco tiempo, pero el suficiente para ganar dinero. Al fin y al cabo, el patrón no cambia a pasos agigantados. En lugar de la principal, la primera entrada, hay otra, pero la principal sigue permaneciendo en el conjunto y aquí es la IA la que asume la carga de mantener la línea, como se dice. Por eso, en el primer mes del contrato de futuros hay que entrenar muy a menudo, sobre todo cuando el mercado no sabe a dónde ir. Mirando el Vtrite, puedo ver este patrón bailando alrededor. Pero en el medio y al final de los futuros, por regla general, el mercado se vuelve más ordenado y una entrada domina durante mucho tiempo.
Hombre, todo el mundo trabaja desde el momento o un par de días antes del cierre de los futuros anteriores. ¿Qué diablos es el primer mes?
el patrón varía caóticamente y las desviaciones en los patrones aumentan exponencialmente con el tiempo
cualquier aproximador (excepto, en parte, RNN o LSTM) no puede resolver estos problemas
todos los artículos sobre estadísticas, con intentos de aplicarlas al mercado en su forma actual, pueden ser desechados y no les prestan atención
los principales esfuerzos deberían centrarse en los métodos de trabajo en un entorno no estacionario, uno de los cuales es el sugerido por Alexander (siempre que no se tengan signos que tengan un efecto estacionario en un cociente, que no pueda extraerse del propio cociente, a-priori)¿Cuál es el método de estimación del modelo? ¿O siempre se obtiene el mismo modelo cuando se construye el mismo juego repetidamente? ¿Es eso?
Probablemente sea diferente, quién sabe. Se está entrenando con una secuencia aleatoria.
Probablemente sea diferente, quién sabe. Se entrena con una secuencia aleatoria.
Bien, entonces, ¿cómo se elige el correcto? ¿O todos acaban dando el mismo resultado en el bucle de retroalimentación?
En mi caso todos los modelos funcionarán de forma diferente en el bucle de retroalimentación....
Bien, entonces, ¿cómo se elige el correcto? ¿O todos acaban dando el mismo resultado en el bucle de retroalimentación?
Tengo todos los modelos que funcionan de forma diferente en la o.c.p.....
Sólo tengo un modelo: las neuronas nc-60. No hay necesidad de elegir. Entrenamos, trabajamos.
Sí, la retroalimentación, ¿qué es?
Sólo tengo un modelo - NS -60 neuronas. No tienes que elegir nada. Entrenamos, trabajamos.
Sí, ¿qué es el O.C.D.?
Uh... Geez........ Tienes un SN, pero cuando lo entrenas, siempre obtendrás diferentes pesos de las neuronas. SIEMPRE DIFERENTE. Funcionará de la misma manera en el área de entrenamiento. Pero cada vez que lo entrenes, siempre obtendrás un NS diferente y la diferencia está en los coeficientes de las neuronas. Por lo tanto, podemos determinar estadísticamente que esta NS funcionará mejor en el futuro con este conjunto particular de probabilidades que este. ¿No es así? O no entiendo algo. En P está todo cosido por dentro...... según tengo entendido...
Sí... Geez...... Tienes un NS, PERO cuando lo entrenas siempre obtendrás diferentes coeficientes de ponderación de las neuronas. SIEMPRE DIFERENTE. Funcionará de la misma manera en el área de entrenamiento. Pero cada vez que lo entrenes, siempre obtendrás un NS diferente y la diferencia está en los coeficientes de las neuronas. Por lo tanto, podemos determinar estadísticamente que esta NS funcionará mejor en el futuro con este conjunto particular de probabilidades que este. ¿No es así? O no entiendo algo. Es que en R está todo cosido por dentro...... según tengo entendido....
No trabajo en R.
Sí, siempre es una NS diferente con cada entrenamiento. Lo compruebo, el único, en un BP independiente, y fuera del real. Por cierto, para los futuros.
No trabajo en R.
Sí, siempre es una NS diferente con cada entrenamiento. Lo compruebo, el único, en un BP independiente, y fuera del real. Por cierto, sobre los futuros.
También lo he probado en un BP independiente. Mi estrategia básica me permite crear una BP de este tipo sin perder tiempo. Pero resultó que es mejor utilizar los métodos calculados en mi ejemplo. Por lo tanto, estadísticamente más fiable para entender cuánto su modelo lleva la información sobre la salida....