Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1250
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
Cielos, todo lo que se hace manualmente debería hacerlo una red neuronal, pero de esta manera.... Pérdida de tiempo, y si el resultado es negativo, pues un mar de frustración y a rebuscar en otros métodos.
Bueno, cómo hacerlo manualmente, todo está automatizado, sólo hay etapas, que requieren un control manual y es debido a la incertidumbre, cómo exactamente debe comportarse en ellos.
Y el hecho de que alguien deba algo, lo dudo mucho...
El resultado - quién lo sabrá hasta que llegue el futuro...
Lo más probable es que los rezagos de 1 y -1 (o un predicado de ellos que los describa) mejoren (o ya mejoren) el corte 0, ya que "no entrar"
En lo que a mí respecta, este enfoque lo rechacé de inmediato y comencé a utilizar únicamente el binario
clasificación (flip). Me fijaría en las dependencias de las diferentes volatilidades, si influyen o no, etc.
Habría hecho tres clasificadores binarios. Por ejemplo, sólo podría mirar 1 "compra". Demasiado complicado...
Tengo un sistema de tendencia en los minutos, por lo que sólo binario no se puede utilizar de inmediato, ya que durante los pisos que tiene que estar en la valla y no sólo voltear. En teoría es posible utilizar por separado comprar/no comerciar y vender/no comerciar, pero necesitamos un gran muestreo y no todo es bueno con él. En ketbust tengo señal de entrada y el vector (comprar/vender) se selecciona por separado - algo parece funcionar, pero todavía hay experimentos y es demasiado pronto para decirlo con seguridad. Por supuesto, podemos hacer tres símbolos binarios, pero no será fácil en el sentido de combinar este caso en un diseño...
La volatilidad, por supuesto, afecta al resultado, sólo en el aumento y se puede ganar, la cuestión es la escala.Para entender, investigar, las conclusiones se aplican también a la señal inversa.
Cómo afecta no al resultado, sino a la colocación(selección) de predictores...
No voy a pretender entenderle, por favor, amplíe su punto de vista.
No.
Llevo mucho tiempo utilizando el JMA finalizado en mcl4 en cuanto a la adaptación del periodo, pero no sirve de mucho: se desvanece como todo lo demás. De vez en cuando tenía que intervenir manualmente.
Si se trata de filtros, hay un curioso paquete suave. Dentro de la suavidad se encuentra Kalman con el espacio de estado. Proporciona mashups de muy buena calidad, y con extrapolación (previsión) para varios pasos adelante.
Djuric es una mierda total.
No se sabe qué es una mierda y qué no.
Hay que fijarse en la capacidad de predicción de un determinado predictor para una determinada variable objetivo. Y mejor aún su variabilidad con el movimiento de la ventana.
Pues bien, como en manual, todo está automatizado, sólo hay etapas que requieren un control manual y esto se debe a la incertidumbre de cómo comportarse exactamente en ellas.
Y el hecho de que alguien deba algo, lo dudo mucho...
Y el resultado - quién lo sabrá hasta que llegue el futuro...
Basado en el código anterior, usted tiene un algoritmo claro de las acciones bajo ciertas condiciones, en este caso, cuando usted tiene los datos de entrada y el resultado deseado, neuronet le ayudará, pero usted tendrá que hacer cambios en el código manualmente cuando el mercado tiende a cambiar de nuevo.
Depende de ti lo que hagas, pero yo usaría una red neuronal entrenada de todos modos.
¿Cambia el peso de los predictores en función del buey? Parece un ajuste sofisticado.
Y también hay multiclase en la pasarela. Ejecútelo con validación cruzada, vea si hay errores en las faltas, etc.
Tal vez funcione para un tonto... y todo el esfuerzo no es realmente necesario...
¿Cómo propone medir el peso y la volatilidad? No me importa experimentar.
La multiclase está ahí, pero no hay descarga de modelos, excepto en su código binario, que no tengo ni idea, ni siquiera en teoría, de cómo conectar y hacer funcionar.
Hay toda una época con catbust, ahí estoy experimentando con conjuntos de predictores (eliminando parcialmente - 512 combinaciones), con pesos aleatorios de selección de predictores raíz (200) - eso son 100k modelos ya, y tengo dos de esas particiones. Sí, hay modelos interesantes en todo esto y los hay completamente de ciruela (rentables en la muestra de prueba y aprendible, pero de ciruela o cercanos a cero en la muestra independiente), pero tampoco hay garantía de que sigan funcionando. Ahora (22.12.2018) empecé la creación de un nuevo modelo, pero marqué todos los predictores como categóricos, que es mi idea originalmente (porque muchos ya están cortados en intervalos irregulares y convertidos a valores enteros), en el nuevo año el plan es terminar el procesamiento - ver si hay una diferencia, porque los modelos con características no categóricas se prepararon en este volumen en 1,5 días, y aquí al menos 10...
Encajar o no - difícil de decir, ayer escribí que me inclino más a considerar como encajado un modelo que pueda por su volumen (número de hojas) memorizar muchas variantes y combinaciones a la vez, y yo tengo un modelo que no supera las 100 hojas... Por supuesto, mi principal problema es la falta de datos - estoy trabajando en el instrumento Si, estoy pensando en añadir futuros EURUSD pero necesito validar los predictores - cuestión de métrica.
Basado en el código anterior, usted tiene un algoritmo claro de las acciones bajo ciertas condiciones, en ese caso cuando usted tiene los datos de entrada y el resultado deseado, una red neuronal le ayudará, pero de lo contrario usted será constantemente manualmente haciendo cambios en el código cuando la tendencia del mercado cambia.
Depende de ti lo que hagas, pero yo seguiría conectando una red neuronal (entrenada) a este proceso.
Tengo puntos de entrada y no sé si entrar o no, esa es la tarea del modus operandi.
Como he dicho antes, no conozco una red neuronal rápida capaz de absorber un gran volumen (300-500) de neuronas de entrada... pero dar hojas ya seleccionadas, digamos, a una red neuronal o a un árbol de nuevo...
No entiendo lo de los cambios en el código, por qué será, ¿crees que las tendencias no han cambiado en 5 años?No estoy sugiriendo nada, sólo he escrito cómo lo haría yo mismo. Y las tres clases obtenidas sólo se pegarían en ts...
¿Cómo se pone? Entonces tienes que hacer algún tipo de puente entre python o R - es un bosque oscuro para mí.