Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1183
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
Yo sí, porque llevo mucho tiempo con el tema ;)
No necesito un grial, pero un ATS viable sería útil
que sería muy estable con el modus operandi - tiene que hacer algunos análisis estadísticos y buscar patrones usted mismo, luego ajustarlos, y si tiene mucha suerte funcionará durante un tiempo relativamente largo
Por lo demás (mi propia consulta, no sé la de los demás) se trata de un reciclaje permanente con datos más novedosos y de conseguir algunos buenos tratos, todo en beneficio, controlando todo a diario. Si se parte del principio de que la inteligencia artificial debe buscar todo por sí misma, porque hacer constantemente análisis estadísticos también es una tarea engorrosa. Es mejor ejecutar el optimizador un par de docenas de veces y se encontrará por sí mismo.
Al final todo se reduce a controlar la calidad del modelo en la muestra de prueba, eso es todo. La muestra de formación es casi siempre buena tal como es. Para ello, ni siquiera es necesario visualizar nada. Cómo controlar y submuestrear es un arteComodo Internet Security y nada ha ido mal durante años.
Lo más importante es hacer un análisis estadístico y buscar patrones, luego fijarse en ellos, y si tienes mucha suerte, funcionará durante un tiempo relativamente largo.
Por lo demás (mi propia consulta, no sé la de los demás) se trata de un reciclaje permanente con datos más novedosos y de conseguir algunos buenos tratos, todo en beneficio, controlando todo a diario. Si se parte del principio de que la inteligencia artificial debe buscar todo por sí misma, porque hacer constantemente análisis estadísticos también es una tarea engorrosa. Es mejor ejecutar el optimizador un par de docenas de veces y se encontrará por sí mismo.
gracias, pero no es el navegador, es Windows, el firewall lo bloquea todo, cualquier navegador funciona durante unos 10 minutos, luego ¡zap! y no abre nada más... Windows se estrelló, voy a llegar a casa en 15 minutos para restaurar desde una unidad flash a través de la copia de seguridad de acronix, por suerte siempre hago una copia de seguridad de todas las nuevas instalaciones
Lo sé, yo mismo lo hago cuando tengo tiempo, pero no es interesante (((, como en las películas geniales....) prensa.... las letras corrían por el portátil.... y luego culos confirmados!!! .... lo principal que entonces la ALARMA-ALARMA no comenzó )))
Ley de Murphy: si una mierda puede pasar, pasará
Yo mismo lo hago cuando tengo tiempo, pero no es interesante (((, quiero que sea como en las películas chulas.... el botón pulsado.... las letras corrían por el portátil.... y luego culos confirmados!!! .... lo principal que entonces la ALARMA-ALARMA no comenzó )))
No lo creo.
He simplificado aún más la tarea para la NS. Se desarrolla una estrategia preliminar, que define intervalos de entradas posibles, el NS se entrena en estos intervalos y encuentra los puntos de entrada óptimos. Si no hay ninguna entrada en el intervalo, no lo encuentra.
Fuera de los intervalos, el NS no analiza nada.
No lo creo.
He simplificado aún más la tarea para la NS. Se desarrolla una estrategia preliminar, que define intervalos de entradas posibles, el NS se entrena en estos intervalos y encuentra los puntos de entrada óptimos. Si no hay ninguna entrada en el intervalo, no lo encuentra.
Fuera de los intervalos, el NS no analiza nada.
NS no encontrarán los mejores puntos de entrada, necesitan la fuerza bruta.
El NS no encontrará los puntos de entrada óptimos, necesitan ser forzados.
Maxim, esto ya se hizo hace un año. Y escribió cómo, en este hilo.
Pero no se me ocurre nada nuevo. Todavía estoy trasteando con Python, quizás surjan algunas ideas.
El NS no encontrará los puntos de entrada óptimos, necesitan ser forzados brutalmente
Intente también deshabilitar la creación molesta de CatBoost de sus propios directorios temporales en cada inicio, ya que esto hace que se bloquee en un entorno protegido.
En general, estos fallos se ve de alguna manera no es muy profesional, por lo que si usted no puede vencer a ellos, entonces, personalmente, en mi opinión, más barato que libre - de este producto a abandonar a la vez:)
¿Se crean directorios cuando se utiliza python? En consola es lógico que se creen directorios ya que en ellos a la vez modelo y marca, y también otros datos estadísticos ¿dónde ponerlos si no es en un directorio? Por el contrario, creo que los directorios son una muy buena solución, porque puedo pasar por muchos ajustes y poner los resultados de cada uno en mi directorio.
Hasta ahora, no he visto ningún fallo que provoque un mal funcionamiento.
Por cierto, no sé a quién preguntar, ¿podríais decirme
cuando se utiliza PCA, alglib devuelve los vectores propios
cómo seguir trabajando con ellos, es decir, aplicar a las características originales
http://alglib.sources.ru/dataanalysis/principalcomponentsanalysis.phpLímites de aplicabilidad y eficacia del método
Por lo que entiendo este método, tenemos un mapa de características de la señal útil al separar los componentes principales, y entonces se puede buscar un mapa similar (matriz) para buscar una señal útil en datos ruidosos
al final todo se reduce al control de calidad del modelo en la muestra de prueba, eso es todo. En la muestra de entrenamiento, casi siempre es bueno como está. Para ello, ni siquiera es necesario visualizar nada. Cómo controlar y submuestrear es un arte
Aquí sólo hay que pensar que la muestra de control puede ser muy diferente de la que se entrenó, por ejemplo tener un árbol que tiene 10 hojas entrenadas, 9 de las cuales dan 1, y una da cero, que funcionan bien en una muestra particular, pero luego la prueba (test en mi caso) no funcionan - ¿qué pasó? O podría ser que las condiciones fueran sólo para 3 de las 9 hojas y el resto se fusionaran a cero. Esto no sería un signo de sobreentrenamiento (que implica conexiones redundantes que no son regularidades), sino simplemente una muestra completamente diferente, o una muestra donde hay realmente muchos eventos para 3 hojas, y críticamente pocos para las 6 hojas restantes, alternativamente entrenamos en tendencias, y probamos en un plano. Me pregunto si debemos mezclar la muestra y crear condiciones artificiales, donde tanto en el entrenamiento como en las pruebas habrá partes del mercado proporcionalmente similares, y si tenemos que identificar de alguna manera estas partes y marcarlas, entonces podremos ver qué respuestas en el entrenamiento están en estas partes y qué respuestas están en la muestra de prueba. O bien tenemos que buscar esas regularidades que son típicas de todos los mercados y describirlas de forma universal para aumentar el número de situaciones diferentes en la muestra de entrenamiento.