Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2404

 
Aleksey Nikolayev:

Por ejemplo, un simple reentrenamiento del modelo en el que se añade un nuevo ejemplo y se desechan los obsoletos.

La presentación de Vorontsov como ilustración de la idea del enfoque.

 
Aleksey Nikolayev:

La presentación de Vorontsov como ilustración de la idea del enfoque.

Optimización de un EA sobre la marcha mediante aprendizaje automático: regresión logit

Грокаем "память" рынка через дифференцирование и энтропийный анализ
Грокаем "память" рынка через дифференцирование и энтропийный анализ
  • www.mql5.com
Область применения дробного дифференцирования достаточно широка. Например, алгоритмы машинного обучения, обычно, принимают дифференцированный ряд на вход. Проблема в том, что необходимо вывести новые данные в соответствии с имеющейся историей, чтобы модель машинного обучения смогла распознать их. В данной статье рассматривается оригинальный подход к дифференцированию временного ряда, в дополнении к этому приводится пример самооптимизирующейся ТС на основе полученного дифференцированного ряда.
 

O todo tipo de bandidos de un brazo y aprendizaje por refuerzo para series temporales que actualizan los estados en el tiempo

no funciona en el mercado, pero aguantas.

 
Maxim Dmitrievsky:

O todo tipo de bandidos de un brazo y aprendizaje de refuerzo de series temporales que actualiza los estados a lo largo del tiempo

no funciona en el mercado, pero aguantas.

Bueno, hay todo tipo de cosas por ahí, incluyendo la detección de puntos de cambio.

No es difícil encontrar algo que no funcione en el mercado, sino que es difícil encontrar algo que funcione)

 
Aleksey Nikolayev:

Bueno, hay todo tipo de cosas ahí, incluyendo la detección de puntos de cambio.

Todo lo que no funciona en el mercado no es difícil de encontrar, sino que es difícil encontrar algo que funcione)

Huh,

cualquier cosa

sólo hay una opción

;)

 
Maxim Dmitrievsky:

elaprendizaje por refuerzo para series temporales que actualiza los estados a lo largo del tiempo en el mercado no funciona

¿cuáles son los métodos más prometedores en MO?

 
Evgeni Gavrilovi:

entonces, ¿cuáles son los métodos más prometedores en la MdD?

Según qué tareas, creo que generativas y sensibles al contexto, en general.

están en constante evolución, nunca se sabe lo que va a pasar después
 
AHAHAHH....
He decidido reconocer imágenes con estocástico, ¿qué método de MO sería más prometedor? )))))
 
Aleksey Nikolayev:

Bueno, hay todo tipo de cosas ahí, incluyendo la detección de puntos de cambio.

Me refiero a algo parecido a lo que se describe en este artículo (el artículo en sí no es especialmente útil).

 
Aleksey Nikolayev:

Es decir, algo parecido a lo que se expone en este artículo (el artículo en sí no es especialmente útil).

la idea es generalmente correcta, pero no requiere necesariamente la formación en línea en la vida real, se puede hacer sólo en la etapa de formación básica / reciclaje y luego se utiliza como es