Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3238
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
Sólo la rejilla entrenada final se puede poner en el archivo onnx. También es posible (teóricamente) poner en el preprocesamiento de los signos de la rejilla del precio inicial. Todo junto se llama pipeline y la pregunta es cómo de flexible es la posibilidad de meter todo tu pipeline en un fichero ONNX.
Realmente nadie quiere sumergirse en este tema, porque hay que ser muy bueno en python y hay muy pocos manuales sobre el tema, y la IA miente como siempre).
El preprocesamiento es más o menos la normalización, por lo que el número de características no cambia....
Me pregunto si es posible generar nuevos atributos dentro, el modelo acepta un array de ohlc, y dentro del formato ohlc ya se generan nuevos atributos, queda un buen trozo de código personalizado en toda regla dentro....
Sigo sin entender si se puede hacer con poca sangre o no....
el preprocesamiento es más o menos la normalización, por lo que el número de características no cambia.
Me pregunto si es posible generar nuevos atributos dentro, el modelo acepta una matriz de ohlc, y dentro del formato ohlc ya se generan nuevos atributos, todavía hay un buen trozo de código personalizado en toda regla dentro....
Sigo sin entender si se puede hacer con poca sangre o no....
IMHO, para un principiante de Python, definitivamente no, para un profesional de Python - es una cuestión de los límites de las posibilidades. Hasta ahora hay pocos manuales y sólo contienen ejemplos sencillos.
De todos modos, a juzgar por
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
y en
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
si solo necesitas transferir el modelo y pip con normalizaciones simples, entonces onnx es bueno...
pero si necesitas hacer algo personalizado, o es AD o no es posible en absoluto...
No se a que tipo de traders va dirigido esto....
parece que 5 personas participaran en el concurso. 4 de ellos son empleados de metaquotes que trabajaron en la integracion de onnx en metatrader.
De todos modos, según
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
y por
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
si solo necesitas transferir el modelo y pip con normalizaciones simples entonces onnx es bueno.
pero si necesitas hacer algo a medida, o es AD o no es posible en absoluto....
No sé para qué tipo de operadores está diseñado...
Parece que 5 personas participarán en el concurso, 4 de ellos son empleados de metaquotes que trabajaron en su integración en metatrader.
Yo tengo un EA real con R, con cuya primera versión llegué al tester.
La estructura es la siguiente:
1. Hay un Asesor Experto ordinario en µl, con el conjunto habitual de funciones: trabajo con órdenes, stops, MM..... El bloque de generación de señales, en los ejemplos de metaquotes - la intersección de dos mashes, se sustituye por una apelación a R, que envía el siguiente OHLC.
2. A grandes rasgos, el código de R consta de dos partes:
2.1. convertir el OHLC en un montón de predictores para los modelos. Estos son cientos (o miles) de operadores en R con acceso a algunos paquetes (no modelos) de R.
2.2. cálculo de la señal real por el modelo.
3. La señal para el comercio se transmite de nuevo al Asesor de Expertos: -1; 0; 1.
Volviendo al tema, resulta que para utilizar ONNX p.2.2 será ONNX, y en la EA tendrá que mover p.2.1? Esto me supone un serio trabajo, ya que además de los propios modelos, se utilizan otros paquetes de R, cuyos algoritmos habrá que codificar en µl.
Ahora hay un fenómeno interesante en la sociedad - la popularidad de algo del mundo científico. Por lo tanto, el comportamiento ha cambiado: si antes la descripción científica repugnaba a la gente corriente, ahora, por el contrario, la atrae. En consecuencia, para conseguir más ventas tiene sentido mencionar otros términos casi científicos como "transformadas de Fourier y Laplace". Y, por supuesto, bellas imágenes/animaciones sobre el tema.
El texto y las imágenes ya son suficientes.
Volviendo al tema, resulta que para usar ONNX, la 2.2.2 estará en ONNX, y la 2.1 habrá que trasladarla al EA? Esto me supone un serio compromiso, ya que además de los propios modelos, se utilizan otros paquetes de R, cuyos algoritmos habrá que codificar en µl.
Según tengo entendido, todo es exactamente así
--------------------------------
esta tecnología no es para humanos...
lo principal en un modelo son los atributos, no el modelo en sí...
Los profesionales ya han establecido el proceso de creación de atributos y procesamiento de datos, también saben cómo conectar los modelos al mercado, simplemente no necesitan ONNX.
Y los principiantes ni siquiera conocen ON NX.
Para quién se creó esto, no lo sé en el fondo...
¿Para un concurso? :)
Aunque los modelos no arbóreos tardarán mucho tiempo en aprender. Y el campeonato no girará en torno a la NS, sino a los árboles/bosques/arbustos)))))