Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2568
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
¿Juzgar por qué?
Revisé los enlaces en sus dos sitios - hay implementaciones de la idea en MO allí también. Su punto se implementa como un gran conjunto de contextos, cada uno de los cuales es una malla independiente (autoencoder, por ejemplo).
He revisado los enlaces de sus dos sitios web: hay implementaciones de la idea en el modus operandi. Su idea se implementa como un gran conjunto de contextos, cada uno de los cuales es una red independiente (autoencoder, por ejemplo).
Ah, ¿te refieres a la realización del contexto solamente? Pensé en su IA como un todo, lo siento, no estaba atento.
Aquí está el discurso de Alexey en el que habla de su modelo de IA (sin antiguos, filosofía, etc.)
Se dirige a la comunidad AGI, que es la que marca las tendencias en algoritmos, conoce bien cualquier red, el aprendizaje por refuerzo, etc.
Muy interesante para mí ver, comprender y darme cuenta de lo primitivo de nuestros planteamientos en el mercado
La IA es la capacidad de una máquina de construir una NS para resolver los problemas compuestos que se presentan :)
Inicialmente, se necesita un algoritmo que describa los obstáculos antes de llegar a la meta, y la IA tiene que descomponerlos y construir redes para resolverlos, siendo la configuración de la red determinada por ella misma.
En mi opinión, lo más importante es la comprensión de las matemáticas financieras modernas y el MOI utilizado en ellas. Esto es necesario aunque sólo sea porque los utilizan todos los grandes formadores de precios.
Conferencia sobre el tema en youtube.
En mi opinión, lo más importante es la comprensión de la matemática financiera moderna y el MOI utilizado en ella. Esto es necesario aunque sólo sea porque los utilizan todos los grandes formadores de precios.
Conferencia sobre el tema en youtube.
Lo que hay que entender sobre las matemáticas financieras y el modus operandi, hay que conocer la mecánica del mercado y sus actores
La multitud está destinada a perder en la mayoría de los casos, porque su contraparte es un "jugador importante".
1) es necesario que haya un desequilibrio entre compradores y vendedores, por ejemplo, si hay muchos vendedores, entonces el "gran jugador" (el comprador) está en el otro lado del trato
Como ahora en el judío, por ejemplo, muchos vendedores
2) También se negocia en el momento contra la multitud - esto es un creador de mercado
Siempre se ve que el precio se mueve en contra de la multitud (correlación inversa).
Mientras la multitud compre y crea en el crecimiento, el precio caerá y viceversa...
Ese es todo el mercado...
p.d. Y el vídeo seguro que
Así, para cada predictor se toma una regla como 0,5<X<7,3,
Sí, digamos que sí.
entonces construimos el número de todas las combinaciones posibles
No, ahora tomamos la ejecución de la regla de desigualdad como una y miramos el valor medio del objetivo (digamos para la clasificación binaria) cuando la regla es activada por la muestra, si el valor medio inicial, digamos, 0,45 en la muestra, y después de la evaluación sólo por las respuestas se convirtió en 0,51, entonces consideramos que el predictor (su parcela/cuantía) tiene un poder predictivo de 0,06, es decir, el 6%.
Reunimos muchos de estos predictores con secciones, que ya son predictores binarios independientes y los utilizamos para construir un modelo.
Combinar todos esos cuantos con todos (con o sin poder de predicción) no es realmente un trabajo rápido, pero puede no ser descabellado si se hace con un predictor base sobre el que se identifica un cuanto con poder de predicción.
En general, para N pequeños (depende del tamaño de la muestra) podría funcionar, pero para los más grandes sería un sobreentrenamiento.
Pero incluso en teoría este sobreentrenamiento será menor, ya que hay menos combinaciones posibles que las que había en la muestra completa.
Queda por entender por qué esas regularidades cuánticas pueden funcionar durante 7 años y luego dejar de funcionar de repente...
Pruebas de diferentes tipos de tendencias fuera de la caja
¡¡¡¡R best!!!!
No, ahora tomamos la ejecución de la regla de desigualdad como una y miramos el valor medio del objetivo (digamos para la clasificación binaria) cuando la regla es activada por la muestra, si el valor medio original es, digamos, 0,45 en la muestra, y después de la evaluación por la respuesta sola es 0,51, entonces consideramos que el predictor (su parcela/cuantía) tiene un poder predictivo de 0,06, es decir, el 6%.
No hay mucha diferencia (en términos de combinatoria) en cómo se codifica exactamente. La cuestión es la misma: cada línea tiene como características qué normas se aplican y cuáles no. Siempre es 2^N variantes, donde N es el número de reglas. Después, cada una de estas reglas se incluirá en el conjunto final de 2^(2^N) variantes. Está claro que es imposible probar formalmente un número tan grande de variantes. Por eso tiene sentido organizarlos de forma razonable. Por ejemplo, primero tomamos todas las variantes descritas por una sola regla, luego todas las variantes descritas por sólo dos reglas y así sucesivamente. O algo así.
Lo que queda por entender es por qué estas regularidades cuánticas pueden funcionar durante 7 años y luego dejar de hacerlo de repente...
Tarde o temprano muchos otros jugadores los encontrarán, por ejemplo.