Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1215
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
Te digo que fuiste el único que pudo simplificar el problema de MO de esta manera, todo se puede buscar, todo funciona, había ejemplos de Reshetov en los primeros días de desarrollo de MQL, pero son primitivos, aunque ))))
lo único que queda es pulir el algoritmo y terminar el tema de RL :) puede ser posible estirar algún % de calidad del modelo con clasificaciones de mayor calidad en Python
y lanzar la enumeración de variantes a Tesla... pero es mucho hacerMi gráfico de renta variable no es aleatorio y es bastante informativo (tengo que revisarlo), he aprendido a distinguir las tendencias de los aplanamientos.
El comercio está en marcha, pero tiene que ser más eficiente.
¿Dónde está el gráfico de equidad?
Voy a añadir el análisis de la página a través de los motores de búsqueda de google yandex a la misma
¿para qué lo necesitas?
lo único que queda es lamer el algoritmo hasta el final y terminar este tema con RL :) puede que en python debido a la mayor calidad de la clasificación todavía sea posible exprimir algún % de calidad del modelo
Tengo mucho trabajo que hacer.Ayer lo probé en VS2017, Python funciona, e incluso lo tengo en un widows-form separado. Lo único es que IronPython 2.7 está ahí, debería entenderlo, pero creo que puedo conectarlo con MT5 sin problemas
Sí, acabo de pensar por qué crear algo a mí mismo, estoy interesado en la relación causa-efecto de las dos variables de mi programa ya es capaz de utilizar Apache Lucene, JSOUP, JSON, Apache POI y así sucesivamente tecnologías para reconocer el texto en cualquier parte de cualquier cosa en las imágenes a los documentos y así sucesivamente (esto se acompaña de matrices de información (almacenados en una base de datos distribuida) según el cual se indexa la información reconocida en los objetos gráficos) si algo no puede - en busca de un sitio para convertir los datos en un formato aceptable para el reconocimiento o sí puede.
La cuestión es que no quiero reinventar la rueda... Sólo necesito encontrar una red neuronal capaz de aprender rápidamente con dos variables de entrada: los datos de la renta variable y el indicador de tendencia.
(Tengo unos 5 años de experiencia en desarrollo Java EE, muchos proyectos ya implementados).
Ni siquiera estoy tratando de unir una neurona con el comercio del mercado. Es innecesario y muy probablemente imposible en este momento, ya que no había al menos una implementación de una red neuronal de ganancia estable.
Mi gráfico de equidad no es aleatorio y es bastante informativo (tengo que verificarlo), he aprendido a distinguir las tendencias de los planos.
He aprendido a distinguir las tendencias de las planas. El trading sigue adelante, pero necesito mejorar el rendimiento.
Ehhhhh, chicos...
Alguna Kesha ya se ha convertido en tu salvadora... Nieto y fiel seguidor de SanSanych, que nunca supo de física ni de matemáticas...
Los retornos son básicos, ya que el precio es una parte integral de ellos y nada más.
No os limitéis, por Dios, algún tipo como "quantum de volstreet" dice en el medio que los rendimientos son suficientes y todo el mundo le da la razón, los quants no usan stoploops y tecrofits, para ellos es todo matemática, es otra dimensión, una abstracción.
El retorno es momentum, y también los hay estocásticos, makdak, zigzag, etc. No hay que limitarse, por Dios, algún tío, como "quantum de volstreet" en el medio, balbucea que basta con retornos y todos le asienten, pues bien, los quants y los stoploops no usan y teyrofits, para ellos toda una matemática continua, es otra dimensión, una abstracción.
El hermano de Aleshenka nos llevó por un camino equivocado, prediciendo retornos con un error negativo, y huyó
Se planteó una interesante cuestión sobre las métricas predictivashttps://stats.stackexchange.com/questions/126829/how-to-determine-forecastability-of-time-series
No sé lo importante que es para nuestros propósitos, y cuánto afecta, pero no me importó escribir unas líneas de código para comprobar la dependencia de "cierto poder de predicción" del tamaño de la ventana de datos.
Así que tomé 4 trozos diferentes de precios (retornos) y comprobé la dependencia del "poder de predicción" del tamaño de la ventana en cada trozo
así que x1 es la potencia de las predicciones y x2 es el número de puntos de datos en la caja
Conclusiones :
1) tomar una ventana fija para las predicciones está lejos de ser óptimo
2) la ventana óptima de previsión es siempre "flotante"
código:
interesante cuestión sobre las métricas predictivas planteadas
No sé cuán importante es para nuestros propósitos, y cuánta influencia tiene, pero tuve las agallas de escribir unas líneas de código para comprobar la dependencia de "cierto poder predictivo" del tamaño de la ventana de datos.
Conclusión :
1) tomar una ventana fija para las predicciones está lejos de ser óptimo
2) la ventana de previsión óptima es siempre "flotante"
Conclusiones. La previsión de más de 100 puntos no tiene sentido.
Conclusiones. La predicción de más de 100 puntos no tiene sentido.
No, la palabra correcta es sin sentido para tomar un período fijo