Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3271
![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
La CPU de Maxim es 2 veces más rápida que la mía. No recuerdo si dio timings para Algliba, creo que no.
Tiempos.
Foro sobre trading, sistemas automatizados de trading y testeo de estrategias de trading.
Aprendizaje automático en el trading: teoría, modelos, práctica y algo-trading.
Aleksey Vyazmikin, 2023.09.26 05:19 AM
Esto es en un viejo FX-8350
Foro sobre trading, sistemas automatizados de trading y testeo de estrategias de trading.
Aprendizaje Automático en Trading: Teoría, Modelos, Práctica y Algoritmos de Trading
Aleksey Vyazmikin, 2023.09.26 05:37 AM
Para las estadísticas, este es mi resultado
Debo señalar que Python tiene una pequeña paralelización al ejecutar código - durante medio segundo para unos dos núcleos, el resto se cuenta en un núcleo.
Tú mismo has escrito que el estándar es más lento que el actual alglibov. Tengo el antiguo en forma de código, pero no el terminal.
El propio código fuente de Alglib fue reescrito por MQ para sus matrices. Ni siquiera quiero discutir el estándar CorrCoef, hay problemas obvios allí.
Es decir, hay dos fuentes de Alglib.
Horarios.
El propio código fuente de Alglib fue reescrito por MQ para sus matrices. Ni siquiera quiero discutir el estándar CorrCoef, hay problemas obvios allí.
Es decir, hay dos fuentes de Alglib.
NumPy parece tener un algoritmo diferente de ALglib
En AlgLib, la documentación original dice por qué diferentes, cuáles y para qué sirven. Con las regresiones (ahí estuve indagando sobre todo en AlgLib) es bastante original.
De nuevo, todo se compara de forma extraña, como no se puede. Construye gráficos de dependencias speed=f(dimensionality,special_matrix_properties) para diferentes librerías/realizaciones y míralos. Estás tomando casos extremos, tomados del techo.
y ahí te fijas no en el valor absoluto, sino en la sintomatología y en la presencia de una "meseta". A partir de ahí eliges una herramienta para trabajar con datos concretos.
La CPU de Maxim es 2 veces más rápida que la mía. No recuerdo si dio timings para Algliba, creo que no.
Tengo mt a través de la virtualización allí, las pruebas no será muy plausible.
Además elegí para calcular algo en python y luego transferirlo a cualquier plataforma. Por ejemplo, para crypto no necesitas terminales en absoluto.
Es una mierda total en términos de velocidadDe nuevo, es una forma extraña de comparar las cosas, de una manera que no se puede.
Yo no hago comparaciones, proporciono código que cada uno puede medir para su propio caso.
La longitud de la cadena de 100 es la longitud del patrón. Probablemente no necesites más que eso.
15000 muestras es memoria limitada debido al tamaño cuadrático de la matriz de correlación. Cuantas más muestras, mejor. Por eso escribí uno casero, donde puedes tener un millón de ellas.
No tengo ni ganas ni tiempo para dedicarme a la comparación objetiva. La hice para mis propias tareas y compartí el código de trabajo. Quien lo necesite lo verá.
Lo hice para mis propias tareas y compartí el código de trabajo. Cualquiera que lo necesite le echará un vistazo.
¿Dónde puedo ver el código final?
¿Alguien ha intentado alguna vez trabajar con "valores atípicos"? Y no hablo de valores atípicos como error, sino de sucesos raros.
Es curioso, pero resultó que en algunas cadenas de muestras, los valores atípicos se registran en más del 50% de los predictores.....
Resulta que estos valores atípicos entran fácilmente en los modelos.
Así pues, parece que no sólo es crítico para NS....