Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1510

 
Mihail Marchukajtes:

Vaya, qué cantidad de gente. ¿Eres el Arlequín del que hablo? Fíjese que lo he puesto en mayúsculas :-)

Porque estás diciendo la verdad, ¿qué te pasa? Bien hecho, siéntate, cinco. Puedo añadir, que en la división del espacio de los puntos descritos por los valores de entrada dados, en nuestro caso es el espacio multidimensional, lo principal es dividir el área de manera, que caen en el grupo Sí o No, y es importante que los valores FUTUROS de los vectores de entrada el mismo los dispersó correctamente en ambas partes de las barricadas. La nuestra y la del enemigo. Pero para que la red funcione en el futuro, es necesario no sólo dividir las actuales, sino dividirla de manera que los coeficientes polinómicos puedan funcionar por sí solos sin datos de entrada. Sólo en este caso la malla funcionará. Largo devanarse los sesos para calcular el nivel de generalización del polinomio resultante, pero desde el resultado de la generalización también se encuentra en el futuro y fiable calcular que no es posible sólo para asumir, por lo tanto, cualquier método de determinación de la generalización son indirectos. Alternativa: Al obtener los coeficientes del polinomio, hacer una optimización hacia atrás.......xm.... hay que intentar...

 

Añadiré: una red neuronal debería "entender" claramente y adivinar que se trata de un mismo patrón. Es posible expresar el "significado" de la evacuación de docenas de otras maneras, una persona que sepa algo sobre las normas de tráfico y la organización del mismo determinará fácilmente que se trata esencialmente del mismo patrón.Lo principal en este patrón en particular es la "evacuación" - cómo se marcan esquemáticamente el evacuador y el coche evacuado, cuál es el color y el tamaño es una décima cosa. Lo mismo ocurre en los mercados, los mismos patrones con el mismo significado puede ser visualmente muy diferente (debido a las distorsiones causadas por la fractalidadde los gráficos de mercado) y viceversa, el mismo a primera vista garabatos gráfico - a ser "significativo y diferente" patrones / tabletas. Esto es sólo la forma en que las ondas de diferentes dimensiones se forman en un momento dado. Los búhos no son lo que parecen (c) Twin Peaks :)

Una red neuronal debe entender el "sentido", sin él no hay manera - puede identificar mal los patrones, equivocarse, no trabajar tan claramente como el cerebro, pero tiene que captar algún sentido al menos ligeramente, esto es más importante que el reconocimiento claro de las "imágenes".

Se pueden idear signos muy parecidos, como en la imagen, es probable que las neuro-redes ordinarias los confundan con ésta, pero en términos de lógica MA tendrán un significado completamente diferente. Incluso puedes idear y dibujar tú mismo para entrenar tu propia neuro-red natural - yo soy demasiado vago :)


 
Wizard2018:

Una red neuronal debe comprender el "significado", no hay manera sin él. Aunque defina mal los patrones, cometa errores, no funcione claramente como un cerebro, pero debe captar el significado al menos un poco, es más importante que el reconocimiento claro de las "imágenes".

¿Sabes cómo es un coche, no? ¿Recuerdas los dibujos de tu infancia? .... e imagina que nunca has visto otro transporte que no sean los caballos, y aquí tienes una señal tan tonta: un "cuadrado con agujeros" negro ))))

¿Confías en la fuerza de tu intelecto para poder entender el significado de tal signo?



 
Mihail Marchukajtes:

Vaya, qué cantidad de gente. ¿Eres el Arlequín del que hablo? Fíjese que lo he puesto en mayúsculas :-)

Este hombre (¿es un hombre?) es el anverso del Grial, y Vizard_ es su reverso. El Grial en sí no puede ser visto por la gente, no está permitido.

Eh, es una pena que no haya más Aleshy-hijo en esta rama, asesinado por villanos-inversores.... Aquellos eran los días, la vida hervía aquí. Y ahora... ¡Uf!

 
Alexander_K:

Este hombre (¿es un hombre?) es el anverso del Grial, y Vizard_ es su reverso. El Grial en sí no puede ser visto por la gente, no está permitido.

Eh, es una pena que no haya más Aleshy-hijo en esta rama, asesinado por villanos-inversores.... Qué tiempos aquellos, la vida hervía aquí. Y ahora... ¡Uf!

Ya me he decidido. No hay que buscar. Una optimización aburrida y monótona una y otra vez, sin búsqueda ni aventura.

 
Igor Makanu:


"Devuelve esa cosa" :))

 
Maxim Dmitrievsky:

"Devuelve esa cosa" :))

derecho )))

Bueno, un poco más de reflexión - la gente tiende a estar atrapada (en una ilusión... en general, en distorsiones cognitivas - así es como llaman hoy en día a los delirios)

es lo mismo que ocurre con MO y cualquier discusión sobre tecnología informática o robots - es todo una mierda, ¡los humanos son mucho más geniales!



Pongamos ejemplos sencillos:

1. ¡Newton se golpeó con una manzana (que no era el caso) e inventó sus ingeniosas fórmulas! - ¿qué muestra de personas hay que tomar para que al golpearlas en el cráneo con manzanas se obtenga el mismo resultado? o ¿quizás es más fácil ejecutar un problema de este tipo en el PC y dejar que rote todos los datos posibles y aun así encuentre la solución de este problema?

2. tomemos el equipo de desarrollo de la aviación, tienen experiencia y un buen software, así que ¿por qué, después de desarrollar un nuevo fuselaje, lo prueban en un túnel de viento? - Son personas geniales e incluso el PC les ayuda?


¿por qué estoy escribiendo esto? - la cuestión es que el 99% de los inventos son accidentes y el propio aparato matemático con toda su complejidad no puede describir cosas elementales (¡cómo sopla el viento!)

y pensar que un ser humano es una corona de la creación y los programas de ordenador son "matemáticas tontas", imho, esto es otro engaño - un ser humano se hace un genio por las acciones al azar (físico o mental), MO se dedica a lo mismo - la búsqueda de la solución de un problema mediante la realización de acciones al azar

ЗЫ: la ventaja de un ser humano sobre una máquina es sólo la presencia del pensamiento asociativo, aunque aquí se puede discutir cuánto es esta ventaja? - A veces, la experiencia previa del ser humano obstaculiza más que ayuda a resolver un nuevo problema, mientras que la memoria asociativa le sugerirá buscar una solución basada en su experiencia previa positiva (((

 
Igor Makanu:

Al principio estaban lanzando manzanas, luego se dieron cuenta de que era Montecarlo:))

 
Maxim Dmitrievsky:

Al principio estaban rebotando manzanas, pero luego se dieron cuenta de que era Montecarlo :))

Monte Carlo es bueno porque no tiene reglas precisas para las condiciones iniciales, pero tiene un error estadístico bastante bueno en la estimación de los resultados

No sé cómo, me gustaría hacer alguna mezcla de Q-learning + Monte Carlo, pero no en el tester, sino en modo de visualización, como enseñan a los NS a jugar a Angry Birds

 
Igor Makanu:

Monte Carlo es bueno porque no tiene reglas claras para las condiciones iniciales, pero tiene un error estadístico bastante bueno en la estimación de los resultados

No sé cómo, me gustaría hacer una mezcla de Q-learning + Monte Carlo, pero no en el tester, sino en modo de visualización, como enseñan en NS el juego Angry Birds

https://medium.com/datadriveninvestor/teaching-a-robot-to-buy-low-sell-high-c8d4f061b93d

En datos artificiales funciona como en el artículo, lo he ejecutado. Pero entonces todo vuelve a la no estacionariedad :)

quizás si utilizamos una serie estacionaria diferenciada de mi artículo, podría ser algo interesante.

Y sí, en cuanto al cunneling funciona con MDP, ahora están intentando insertar capas LSTM para que el modelo tenga más memoria. Como en el artículo del autor de este hilo sobre Habra.

Teaching a Robot to ‘Buy Low, Sell High’ - Data Driven Investor - Medium
Teaching a Robot to ‘Buy Low, Sell High’ - Data Driven Investor - Medium
  • G. Lemus
  • medium.com
“If we can put a man on the moon, we must be able to X”. (informal fallacies or false analogies) But now it uses Alpha Go or Watson examples: If “AlphaGo Zero: Google DeepMind supercomputer [can learn] 3,000 years of human knowledge in 40 days” [link] In AI in Finance: Cutting Through the Hype I explained several examples of the application of...