Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 987
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
Como aperitivo.
Una ejecución del mismo Asesor Experto con la misma configuración que la anterior, pero con un intervalo de tiempo más largo.
Ese es el valor de todas estas bonitas fotos.
La imagen debe probar la idea cuyo significado es SOLO sobre el comportamiento futuro del Asesor Experto.
Sanych, no saques conclusiones precipitadas, que has estropeado algo.
El número de transacciones durante el periodo de prueba más largo fue menor
Por eso uso mi probador en lugar del de MT, por alguna razón tiene muchos griales. Al menos con tu probador, sabes exactamente lo que está haciendo y cómo lo está haciendo. Sí, y la información de la prueba puede obtener mucho más y cualquier, y más fácil.
Creo que no es muy bueno escribir esas cosas en el foro de MT, teniendo en cuenta que el backtester en MT es uno de los principales problemas que fijan a la gente a mql y a todo el terminal, además, tu probador no es correcto.
Sanych, no saques conclusiones precipitadas, has metido la pata en algo.
El número de acuerdos durante un periodo de tiempo más largo es menor
Lo he ejecutado dos veces más: el gráfico es similar pero los números son un poco diferentes.
Lo he hecho dos veces más: el gráfico es similar, pero las cifras son ligeramente diferentes.
Conclusión
Tomar la decisión de comprar o vender al azar no proporcionará un beneficio estable
Se ha encontrado un problema de clasificación:
Por ejemplo, si 2 columnas = 0, intentar hacer un softmax de ellas da clases aleatorias:
m=matrix(0,ncol=2,nrow=100)
max.col(m)
[1] 1 2 2 2 2 1 2 1 2 2 2 2 1 1 1 2 1 1 2 2 1 2 1 1 2 2 2 2 1 1 2 2 1 2 2 1 2 1 1 1 1 2 1 2 1 1 1 2 1 2 1 1 2
[54] 2 2 1 2 2 1 1 2 2 2 2 1 1 1 1 1 2 2 2 2 2 1 2 2 2 2 2 2 2 1 2 2 2 1 2 1 2 2 2 1 1 1 2 1 2 1 1
Está en R.
Se encontró por accidente cuando resultó que los resultados de las predicciones eran todos = 0.
Mejor hacerlo así (en caso de que la 1ª columna signifique "expectativa" y no el comando de comercio)
max.col(m,ties.method = "first") # por defecto ties.method = "random"
[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
>
Mejor aún, si las clases tienen el mismo valor, entonces negarse a clasificar. Y por si acaso, es mejor hacerlo línea por línea.
Se ha encontrado un problema de clasificación:
Por ejemplo, si 2 columnas = 0, intentar hacer un softmax de ellas da clases aleatorias:
m=matrix(0,ncol=2,nrow=100)
max.col(m)
[1] 1 2 2 2 2 1 2 1 2 2 2 2 1 1 1 2 1 1 2 2 1 2 1 1 2 2 2 2 1 1 2 2 1 2 2 1 2 1 1 1 1 2 1 2 1 1 1 2 1 2 1 1 2
[54] 2 2 1 2 2 1 1 2 2 2 2 1 1 1 1 1 2 2 2 2 2 1 2 2 2 2 2 2 2 1 2 2 2 1 2 1 2 2 2 1 1 1 2 1 2 1 1
Está en R.
Se encontró por accidente cuando resultó que los resultados de las predicciones eran todos = 0.
Mejor hacerlo así (en caso de que la 1ª columna signifique "expectativa" y no el comando de comercio)
max.col(m,ties.method = "first") # por defecto ties.method = "random"
[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
>
Mejor aún, si las clases tienen el mismo valor, entonces negarse a clasificar. Y por si acaso, es mejor hacerlo línea por línea.
Por la tarde
El problema puede no aparecer si los datos se preparan correctamente. ¿Cuándo y en qué cálculos se produjo este problema? Me pregunto. ¿O es una condición creada artificialmente?
Buena suerte
Por la tarde
El problema no puede aparecer cuando los datos se preparan correctamente. ¿Cuándo y con qué cálculos has tenido este problema? Me pregunto. ¿O es una condición creada artificialmente?
Buena suerte
Como dijo SanSanych: basura de entrada = basura de salida. Se añadieron ceros, que luego se cancelaron.
Bueno, me hice un ajuste para que los ceros sigan siendo ceros, para casos similares en el futuro.
Los predictores son diferentes, así que me encontré con que NS no aprendió nada y dio todos los ceros en la salida. Y las predicciones debidas a la aleatoriedad durante la conversión resultaron ser no nulas.
Como dijo SanSanych: basura de entrada = basura de salida. También añadí ceros, que luego fueron aleatorios.
Bueno, me hice un ajuste para que los ceros sigan siendo ceros, para casos similares en el futuro.
Ya veo. Buena suerte
Preguntas de un recién llegado. Por favor, asesórese sobre cómo aplicar el aprendizaje automático. Por ejemplo, un operador ha encontrado algún patrón en el mercado. Supongamos que se trata de un patrón GP (cabeza y hombros). Opciones:
Preguntas de un recién llegado. Por favor, asesórese sobre cómo aplicar el aprendizaje automático. Por ejemplo, un operador ha encontrado algún patrón en el mercado. Supongamos que se trata de un patrón GP (cabeza y hombros). Opciones:
El aprendizaje automático se basa en señales (patrones/características) que distinguen el evento. En consecuencia, hay que especificar lo que se debe mirar, y el algoritmo de MO tratará de encontrar algunos patrones en lo que se muestra y elaborar las reglas de conducta. De aquí se desprenden todas las respuestas a las demás preguntas. Y, en consecuencia, cuantas más observaciones se realicen, más precisas serán las reglas sobre un periodo histórico más largo.