Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1607
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
¡Max! ¿Has probado a utilizar reglas asociativas para encontrar patrones como el algoritmo arriori o similares?
Bueno, las redes bayesianas... tardan mucho en aprenderse. Si no sabes qué enseñar, no te importa.
En mi opinión, hay que utilizar la agrupación (HMM, mezclas gaussianas), dividir el mercado en varios clusters y entrenar para cada uno. Entonces funciona. Todavía no hay tiempo.
hay librerías especiales separadas para generar características ficticias, y luego puedes ponerlas en un buster, y será lo mismo
el algoritmo mgua en sí mismo es débil en el sentido de que utiliza la regresión ordinaria, por lo que cría características fuera de la caja
¿y cómo se llama este proceso en inglés?
¿cómo se llama este proceso de aprovisionamiento de características en español?
en algún lugar de la sección de preprocesamiento, por ejemplo para python
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html
o métodos del núcleo
https://github.com/gmum/pykernels
Entonces no veo nada nuevo ni original en esta metodología.
Bueno, las redes bayesianas... tardan mucho en aprenderse. Si no sabes qué enseñar, no te importa.
En mi opinión, hay que utilizar la agrupación (HMM, mezclas gaussianas), dividir el mercado en varios clusters y enseñar a cada uno de ellos. Entonces funciona. Todavía no tengo tiempo para eso.
Aquí tienes toda la razón Maximka, no en el sentido de los métodos específicos, sino en el sentido de la separación en principio al abordar el mercado. Pero para eso se necesita un equipo, y cuando se tiene un equipo grande, se puede hacer mucho trabajo e investigación y encontrar métodos y enfoques que serán únicos. Hay que ser diferente en el mercado.... Único. ¿No crees? :-)
En un buen punto, cuando la calidad de un sistema es su capacidad para mantenerse en tendencia.....
Aquí tienes toda la razón, Maximka, no en el sentido de métodos específicos, sino en el sentido de compartir en principio al abordar el mercado. Pero esto requiere un equipo, y cuando se tiene un gran equipo, se puede hacer mucho trabajo e investigación y encontrar métodos y enfoques únicos. Hay que ser diferente en el mercado.... Único. ¿No crees? :-)
cuando el equipo es grande, te cansas de hacer todo para todos
Cuando el equipo es grande, te agota hacer todo para todos
Para los que siguen el tema. Siguiendo con la mirada obstinada hacia abajo....
Es difícil preguntar algo aquí, todo empieza con el preprocesamiento de los datos, y de eso no se quiere hablar... (
OK... Me pregunto
1. ¿Funciona el algoritmo con las monedas?
2. ¿Construye la previsión para una longitud fija de n velas o la red decidirá por sí misma hasta dónde llega?
3. Por qué tarda tanto en procesar la señal 12-13 segundos por vela
4. ¿Por qué quiere difundir los acuerdos públicamente?
5. para las predicciones, utilice datos en forma de función (precio, indicador) o algo más complicado.
la mejor visualización es el trato
Bien, aquí va...
En primer lugar, el panorama general:
- empieza fácil, recogemos los datos con un bot en el tester, hacemos un csv, cada línea un vector;
- Red Keras vía Tensoflow, no es necesario tener superconocimientos, un libro de redes neuronales + un par de manuales;
- Puedes usar Google Colab, está bien para empezar, pero tiene sus propios matices;
- A continuación, se empieza a AD, si se tiene una idea única impresionante sobre qué datos alimentar a la red, hay que idear otras 99 ideas igualmente únicas, porque la 101 funcionará, y ni siquiera eso es seguro;
- resultado estándar: la red no aprende.
Algunos consejos (lavados con sangre):
- no busques soluciones sofisticadas, es fácil:
-- He obtenido el primer resultado en un secuencial de una sola capa,
-- no intentes predecir el precio -- es una utopía, tienes que poner una simple pregunta arriba o abajo, luego, si lo consigues, indaga más.
-- fichas en vector de 100-200, no más, menos no funcionará,
-- Intenta ir toda la noche durante 1000 épocas, verás si funciona después de 100,
-- ir a por los primeros signos de entrenabilidad e ir a por ellos.
-- No ayudes a la red neuronal con algunas muletas como desviadores, debería aprender por sí misma,
-- Aumentar el número de datos de entrada no ayudará, es suficiente 50-60 miles para 100 características.
Ahora las respuestas a las preguntas:
1. ¿Funciona el algoritmo con las monedas?
Tengo los primeros resultados para el EURUSD, pero luego resulta que las operaciones cortas están un poco mejor entrenadas para las predicciones cortas, no sé por qué.
2. Las previsiones se hacen para una duración fija de n velas o la propia red dice cuánto tiempo
Sí, debería ser una fija porque le damos una respuesta fija durante el entrenamiento
3. Por qué la señal tarda tanto en ser procesada 12-13 segundos por vela
porque ahora mi pronóstico se compone de una opinión agregada de 20 modelos, obtener una respuesta de uno tarda 0,5 segundos, se puede resolver esta cuestión de forma asíncrona, pero no sé cómo
4. ¿Por qué se apunta a la difusión pública de los oficios?
He gastado muchos recursos, hay que recuperarlos
5. Los datos para la previsión deben utilizarse en forma de función (precio, indicador) o algo más complicado.
Los datos se utilizan en forma de función (precio, indicador) o de forma más complicada.