Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2622

 
Replikant_mih #:

Es una buena idea, sólo que creo que es importante aquí:

- Para acumular un montón de estadísticas.

- Para que una persona comercie con una cosa (un sistema).

- Que la persona sea objetiva y opere sistemáticamente.


En este caso, creo que se obtendrá un buen margen de beneficio y, por lo tanto, es posible obtener un beneficio normal.

Es mejor solicitar/cómo obtener)) el historial de operaciones de la bolsa y analizarlo).

 
BillionerClub #:
¿Qué pasaría si una persona intercambiara y diera a ML lo que es bueno y lo que es malo?
Es mejor simular esto en cualquier dato y darse cuenta de que sólo suena tentador
 
mytarmailS #:
Es mejor simularlo en cualquier dato y entender que sólo suena tentador

Estamos convergiendo en un punto. La NS sólo está aprendiendo de la ejecución de la historia. El índice de aprendizaje es bastante alto. Las desventajas son que el tamaño de la base no es suficiente para acumular patrones durante un año. Los resultados anteriores se difuminan. Es posible hacerlo con plazos amplios y baja frecuencia de operaciones durante el entrenamiento. Pero un plazo grande implica una reducción mayor: ningún TS garantiza un acierto del 100%. Una de las tareas es aprovechar al máximo los movimientos del mercado. Salida - en el gráfico, el Asesor Experto en el modo de trabajo con carga periódica de la base y en el Probador de Estrategias, al mismo tiempo, el Asesor Experto en el modo de entrenamiento está mejorando constantemente la base. Menudo lío tenemos aquí...

 
Dmytryi Voitukhov #:

Una de las tareas es aprovechar al máximo los movimientos del mercado. Salida - en el gráfico el Asesor Experto en modo de trabajo con carga periódica de la base, y en el probador al mismo tiempo el Asesor Experto en modo de entrenamiento está mejorando constantemente la base. Menudo lío tenemos aquí...

Lo he releído con más detenimiento. Básicamente, todo es correcto, pero la neurónica es un callejón sin salida por varias razones
 
mytarmailS #:
Lo he releído con más detenimiento. Básicamente, todo es cierto, pero la neurónica es un callejón sin salida por varias razones

Exactamente. Estoy atascado con uno de esos. La idea es que la precisión de la predicción se filtre por el umbral de probabilidad en la capa de salida, pero entonces la frecuencia de las operaciones cae mucho y la capacidad de respuesta a la situación se deteriora. El filtrado en las capas ocultas tiene poco efecto en los resultados. Utilizo la parada y la toma fijas iguales para la objetividad cuando entreno. En el modo de trabajo se tira de la parada después del punto de equilibrio, a partir de cierta distancia, el umbral de convergencia se pone a 0 para procesar todas las imágenes. El valor del stop es una media de los movimientos entre 0 y 10, ..., 50 y 61 compases. Este valor es aproximadamente el mismo que el optimizado. ¿Tal vez habría que aplicar algo más en este caso? El zigzag sólo ha agravado el cuadro. ¿Qué tipo de bloqueos has encontrado y qué soluciones sugieres?

 
Dmytryi Voitukhov #:

Exactamente. Estoy atascado con uno de esos. La idea es que la precisión de la predicción se filtre por el umbral de probabilidad en la capa de salida, pero entonces la frecuencia de las operaciones cae mucho y la capacidad de respuesta a la situación se deteriora. El filtrado en las capas ocultas tiene poco efecto en los resultados. Utilizo la parada y la toma fijas iguales para la objetividad cuando entreno. En el modo de trabajo se tira de la parada después del punto de equilibrio, a partir de cierta distancia, el umbral de convergencia se pone a 0 para procesar todas las imágenes. El valor del stop es una media de los movimientos entre 0 y 10, ..., 50 y 61 compases. Este valor es aproximadamente el mismo que el optimizado. ¿Tal vez habría que aplicar algo más en este caso? El zigzag sólo ha agravado el cuadro. ¿Qué bloqueos ha encontrado y qué soluciones sugiere?

Parada fija, toma, ventana deslizante, tabla de datos a la entrada, todo esto no funciona para datos muy no estacionarios por razones obvias.

Conceptualmente, las "reglas asociativas" son buenas para el mercado. pero la aplicación tiene que ser diferente.
 
Maxim Dmitrievsky #:

no es una etiqueta múltiple, tiene un significado diferente. Excluye las malas señales de forma iterativa, deja las que están bien predichas por el modelo principal en el montón general, y el segundo modelo aprende a separar las malas de las buenas, para prohibir o permitir el comercio de las primeras

¿el segundo modelo tampoco es necesario aquí? - Validación cruzada y búsqueda en cuadrícula para la selección de modelos ...(en Keras)

pero quizás sólo la matriz de confusión responda a tu segunda pregunta (el propósito del segundo modelo de tu idea)...

.. . o

... Sólo dudo que necesites el segundo modelo... imho

Cross Validation and Grid Search for Model Selection in Python
  • stackabuse.com
A typical machine learning process involves training different models on the dataset and selecting the one with best performance. However, evaluating the perfo...
 
mytarmailS #:
Parada fija, toma, ventana deslizante, tabla de datos a la entrada, todo eso no funciona para datos muy no estacionarios

al fin y al cabo, el comerciante quiere ganar dinero con el ruido... Las posibles fluctuaciones cíclicas sólo pueden interesar al inversor a largo plazo, - y NO sin comprender las interrelaciones financieras, no las simples estadísticas... imho, modelar el ruido es más interesante (para un comerciante), pero más arriesgado (para su comercio)... - el equilibrio habitual entre riesgo y rentabilidad

p.d.

salvo que filtrar el ruido (laboral) del ruido (no laboral) es un verdadero reto (esdecir, separar la contaminación acústica del ruido)... He visto un artículo en algún sitio que dice que debemos buscar una relación Señal/Ruido>2 (para el ruido de trabajo) - parece un oscilador común que se enrolla en el componente de tendencia del modelo TS... todo es trivial (como se enseña a los principiantes - 1 indicador de tendencia, 1 oscilador), - y dentro de tal punto de referencia común se puede poner cualquier preferencia a la información y los cálculos que un comerciante está más inclinado a confiar - sólo aquí vemos un campo para el subjetivismo en TS ... imho ... Y esta trivialidad sólo debe ser digitalizada en el modelo de TS para que un robot opere, y no se quede parado frente a la terminal durante días

Временные ряды-Введение
  • www.machinelearningmastery.ru
  • www.machinelearningmastery.ru
Статьи, вопросы и ответы на тему: машинное обучение, нейронные сети, искусственный интеллект
 
JeeyCi #:

Ni siquiera necesitas un segundo modelo aquí, ¿verdad? - Validación cruzada y búsqueda en cuadrícula para la selección de modelos ...

pero tal vez sólo la matriz de confusión responda a tu segunda pregunta (el propósito del segundo modelo de tu idea)...

.. . o

... Sólo dudo que necesites el segundo modelo... imho

¿Así que la señora cree que no sabemos lo que es el cruce? )) Mil palmaditas en la cara...

Y el "artículo" es sólo una obra maestra ))))

1) para los bosques aleatorios no es necesario hacer una validación cruzada, ya que la propia construcción de la regla lo hace porque es aleatoria...

2) para el bosque aleatorio no es necesario normalizar los rasgos, la madera funciona con rasgos brutos

Esto es por debajo del fondo.
 
mytarmailS #:

1) no es necesario crosvalidar para Random Forest

No quise responder a tu pregunta, sigues sin saber leer... (( - tu capacidad de análisis de lo que lees hace tiempo que la pongo en duda, o más bien su ausencia, así como tu análisis de tu trading y su automatización (ni siquiera confundes las palabras, te lías con el contexto)

p.d.

el análisis de la tendencia no es nada sin el análisis previo de la dependencia... el análisis de las series temporales es lo último que se hace en estadística después de otros análisis... -- No puede estar satisfecho de que sus series temporales sean no estacionarias sin buscar dependencias... - Sólo te pones a criticar (probablemente pensando que te estás divirtiendo) - no te molestes en responder a una pregunta retórica