Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3304
![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
Me sorprende que te sorprendas.
tienes suerte de que una vez decidiste hacer un negocio sensato...ahora los brokers ya no recogen cotizaciones de tick, sino que toman/suministran de otro sitio; puede estar relacionado con las actualizaciones del servidor MT.
A veces se puede ver a simple vista - aquí hay ticks frescos, y aquí hay una mierda general. E incluso con minutos
de hecho, los archivos de ticks reales como realmente eran, procedían de un DC en particular - un bien muy caro. (incluso a través del subrayado)
Usted está equivocado. Cada corredor en sí recoge las garrapatas reales y en el probador del día siguiente se puede obtener las garrapatas reales del día anterior.
Y exactamente esos ticks, que después de filtrados son enviados por el broker a MT5. Puedes comprobarlo en el modo "Cada tick basado en ticks reales", o copiarlo.
Un buen artículo sobre cómo hacer correctamente la representación BP para redes neuronales. Se puede prescindir de las FFT, por supuesto. Y más comparación de diferentes modelos.
La diferencia fundamental es que el preprocesamiento está integrado en la arquitectura de la red. Pero se puede hacer por separado.
LSTM se queda en segundo plano, porque no tiene en cuenta las variaciones entre periodos.
Bousting también se encuentra en la parte inferior de la clasificación, según sus pruebas.Un buen artículo sobre cómo hacer correctamente la representación BP para redes neuronales. Se puede prescindir de las FFT, por supuesto. Y más comparación de diferentes modelos.
La diferencia fundamental es que el preprocesamiento está integrado en la arquitectura de la red. Pero se puede hacer por separado.
LSTM echa humo en el fondo, porque no tiene en cuenta las variaciones entre periodos.
Bousting también está en la parte baja de la clasificación, según sus pruebas.No, entiendo que cuantas más búsquedas (iteraciones) más probabilidades hay de encontrar algo aleatorio que se parezca a algo que NO es aleatorio.....
Pero si se nos ocurre una idea, y luego ajustamos los parámetros a ella en 10 iteraciones en lugar de 10000, ¿se puede considerar un modelo no entrenado?
Después de todo, la propia frase" se nos ocurrió" también implica algún tipo de proceso de pensamiento (iteraciones).
¿Cómo sabe el modelo final si fueron iteraciones cerebrales o informáticas y si hay diferencia entre ambas?
La pregunta surgió tras leer el artículo de Prado
No hace mucho tiempo en el foro alguien dio el nombre del efecto (no lo he encontrado todavía), debido a que la serie cerca de SB parecen tener un período. Este efecto se asocia con un montón de momentos vergonzosos en la ciencia, cuando por medio de Fourier "encontrado" periodicidad en los procesos, y radioaficionados a causa de ella en el foro nunca sobrevivirá).
¿Cómo demostrar lo contrario?
En mi opinión, hay eventos ligados al tiempo - la misma noticia. Creo que si los dividimos en tres sub-muestras - esperado, peor, mejor y tener en cuenta el contexto, nos daremos cuenta de un comportamiento similar de los participantes del mercado.
Otra opción es la estacionalidad de los bienes.
Después de todo, la propia frase" se nos ocurrió" también implica algún tipo de proceso de pensamiento (iteraciones).
¿Cómo sabe el modelo final si fueron iteraciones cerebrales o informáticas y si hay diferencia entre ambas?
La pregunta surgió tras leer el artículo de Prado
El sobreaprendizaje surge de la memorización de fenómenos poco frecuentes. Estos fenómenos se aíslan de forma puramente estadística, ya que no existe ningún modelo que describa la causa y el efecto.
Dicho esto, una pérdida no siempre significa que el modelo esté sobreentrenado.
No hace mucho tiempo en el foro alguien dio el nombre del efecto (no lo he encontrado todavía), debido a que la serie cerca de SB parecen tener un período. Este efecto se asocia con un montón de momentos vergonzosos en la ciencia, cuando por medio de Fourier "encontrado" periodicidad en los procesos, y radioaficionados a causa de ella en el foro nunca sobrevivirá).
¿Invariancia de escala?
Efecto moiré :)
Invariancia de escala, al parecer, se puede describir de tal manera, y no será objeto de la investigación de los radioaficionados. Sólo sin Fourier, pero los períodos de mercado como cada hora y cada día, que describen la actividad diferente.
¿Invarianza de escala?
Efecto moiré :)