Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2485

 
mytarmailS #:

comprar la ue por medio día mínimo .

sección de humor: una señal mía) )

¿ha habido suerte con el pase?
 
Renat Akhtyamov #:
¿pudiste buscar?
No, todavía no he encontrado de dónde vienen estos valores
 
mytarmailS #:
No, nunca encontré de dónde vienen estos valores

extraño, muy extraño.

Envíame un enlace a tu bandeja de entrada, lo probaré mañana.

 
Renat Akhtyamov #:

Eso es raro. Muy raro.

Envíame el enlace en tu correo electrónico, lo probaré mañana.

Así que el enlace al sitio en la página anterior, lo abrió usted mismo, o no entiendo.
 
mytarmailS #:
Así que en la última página está el enlace del sitio web, ¿lo abriste tú mismo, o no entiendo... o no abriste la demo?
No, yandex.
 
JeeyCi #:

por favor, responde también a mi pregunta clínica (ayer me leíste la mente y publicaste tu forma de trabajar con los datos cuando ya había mirado este método - gracias)... PERO la pregunta sigue siendo: este método se utiliza para clasificar, por lo que supongo, características - lo necesita ... ¿qué clasificar, si no un secreto? LN(Close/Open)? y ¿qué enseña?

-Si es un secreto, lo entenderé -¿El "saber hacer"?

p.d. Me voy a lanzar un par de enlaces para orientar el tema (al fin y al cabo no es mi estadística, aunque ésta se puede meter en un "modelo ambiental", probablemente):

Introducción a la IA

Declaración y posibles soluciones a la tarea de entrenar redes neuronales

Preprocesamiento de datos

Un conjunto de métodos

Sí, se trata de un método de clasificación, en el que entreno al modelo para que reconozca la veracidad o falsedad de las señales de la estrategia subyacente. Es decir, al trabajar con clasificaciones debe haber una estrategia básica en la ST. La estrategia en sí puede ser absolutamente cualquiera, el mismo cruce de barras y todos los modelos tienen 50/50 de señales correctas e incorrectas. La tarea de clasificación consiste en determinar qué señales son realmente verdaderas y cuáles son falsas. Lea mi artículo, ¡está descrito allí en detalle!
Секвента ДеМарка (TD SEQUENTIAL) с использованием искусственного интеллекта
Секвента ДеМарка (TD SEQUENTIAL) с использованием искусственного интеллекта
  • www.mql5.com
В этой статье я расскажу, как с помощью "скрещивания" одной очень известной стратегии и нейронной сети можно успешно заниматься трейдингом. Речь пойдет о стратегии Томаса Демарка "Секвента" с применением системы искусственного интеллекта. Работать будем ТОЛЬКО по первой части стратегии, используя сигналы "Установка" и "Пересечение".
 
Mihail Marchukajtes #:
¡Lee mi artículo donde se explica con más detalle!

gracias por el enlace y el artículo... si los datos de ClucterDelta son la base, es un comienzo tranquilizador... pero el Spot no siempre funciona como los Futuros (en lo que a forex se refiere)...

PERO la base de la conclusión sobre la verdad/falsedad de la señal, según tengo entendido, sigue basándose en Bayes...?

Por cierto, aquí(c.20) está el colapso de mis intentos de figurar el gráfico NS (teniendo distribuciones de precios de opciones de entrada):

La inferencia bayesiana se diferencia de la inferencia estadística tradicional en que preserva la incertidumbre . ..

La visión bayesiana del mundo interpreta la probabilidad como una medida de la probabilidad de un acontecimiento, es decir, el grado de confianza en que el acontecimiento se produzca.

... aunque sus parámetros (la distribución existente) también podrían probarse para la entrada, tal vez - tal vez entonces mirar hacia la clasificación multiclase
Создание нейронной сети с нуля в Python: Многоклассовая классификация - pythobyte.com
Создание нейронной сети с нуля в Python: Многоклассовая классификация - pythobyte.com
  • pythobyte.com
Автор оригинала: Usman Malik. Создание нейронной сети с нуля в Python: Многоклассовая классификация Это третья статья в серии статей на тему “Создание нейронной сети с нуля в Python”. Создание нейронной сети с нуля в Python Создание нейронной сети с нуля в Python: Добавление скрытых слоев Создание нейронной сети с нуля в Python: Многоклассовая классификация Если […]
 
JeeyCi #:

gracias por el enlace y el artículo... Si los datos de ClucterDelta son la base, es un comienzo alentador... excepto que el Spot no siempre funciona como los Futuros (en lo que respecta a las divisas)...

PERO la base de la conclusión sobre la verdad/falsedad de la señal, según tengo entendido, sigue basándose en Bayes...?

Por cierto, aquí(c.20) está el colapso de mis intentos de averiguar el gráfico NS (teniendo distribuciones de precios de opciones de entrada):

... aunque sus parámetros (la distribución existente) también podrían probarse para la entrada, probablemente - probablemente entonces mirar hacia la clasificación multiclase
De momento ya no uso ClusterDelta ya que me he pasado a Moex y allí esta información es gratuita además de que también hay información sobre OI, pero en cuanto a las opciones, hay que introducir los valores de los parámetros de la sonrisa, que son 3. La curvatura, la pendiente y el valor en el golpe central y no los valores en sí, sino su cambio en el tiempo. ¡¡¡¡¡Esto es lo que todavía no tengo, por desgracia, y entonces la estrategia será casi un ganar-ganar!!!!! Me parece que ....
 

Mihail Marchukajtes

Me he animado a mirar tu código (a menudo hay más verdad en el código que en todos los libros de texto) - ¿puedes decirme qué son esos multiplicadores en tus clasificadores en la decisión doble variable - son pesos?... y ¿cómo los encontraste originalmente? es decir, ¿por qué exactamente esos?

o mejor aún, comente por favor - qué variables toma, y el código de la función

double getBinaryClassificator1(double v0,double v1,double v2,double v3) 
  {
   double x0=2.0 *(v0+327.0)/650.0-1.0;
//Variable v1 got under reduction
   double x2 = 2.0 * (v2 + 397.0) / 828.0 - 1.0;
   double x3 = 2.0 * (v3 + 121.0) / 264.0 - 1.0;
   double decision=1.5260326743246075*x0
                   -0.13861638107404117 * sigmoid(x0)
                   -0.06391652777916389 * sigmoid(x2)
                   -0.44591870340615364 * sigmoid(x0 + x2)
                   +0.14661031327032664*sigmoid(x3)
                   -0.024191375335575492*sigmoid(x0+x3);
   return decision;
  }

Gracias por adelantado.

p.d.

1. Veo que utilizas una función sigmoidea (en forma de S) como función de activación... es "a menudo utilizada como función de compresión"...

2.
Mihail Marchukajtes #:
... no los valores en sí, sino sus cambios a lo largo del tiempo.

¿tal vez sería mejor al cuadrado?

 

Por cierto, la volatilidad es la volatilidad (como riesgo no sistémico), pero el riesgo sistémico no ha sido abolido...

La volatilidad en los mercados financieros no es lo mismo que el riesgo

p.d.

aunque, por supuesto, un operador gana dinero con la volatilidad... imho

Волатильность финансовых рынков не то же самое, что риск
  • 2014.06.20
  • Long/Short
  • long-short.pro
Один из первых вопросов, которые я обычно получаю, когда обсуждаю приведенные к волатильности динамические импульсные модели, заключается в том, сокращается ли динамическое окно, на котором основаны наши модели, когда волатильность увеличивается на рынке, и расширяется ли, когда волатильность уменьшается? Я думаю, это потому, что у большинства...