Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1353
![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
En la entrada del LPF se introdujo un BP de mercado. El mismo PA se introduce en la entrada NS. Sí, así es, la red describió el funcionamiento del LPF e hizo una predicción de su salida en un intervalo determinado.
En cuanto a la potenciación, no, no la he probado.
Si no es mucho problema, lo intentaré.
Publica una muestra, si no te importa, lo probaré.
No entiendo, ¿qué muestra? ¿La propia BP? Puedes hacerlo. Pero una muestra de BP, es aleatoria.
No entiendo, ¿qué tipo de muestra? ¿La propia BP? Puedes hacerlo. Pero la muestra de BP, es aleatoria.
¿No puedes escribirlo en un archivo? Debes estar usando Python, donde puedes descargar muestras divididas, preparadas para el entrenamiento, en un archivo, ¿verdad?
¿No puedes escribirlo en un archivo? Probablemente lo estés haciendo en Python, donde puedes descargar en un archivo las muestras divididas preparadas para el entrenamiento, ¿verdad?
Vamos a repasarlo de nuevo.
1. Todo el BP es 55k OHLSV. Se extraen aleatoriamente 5 - 6k líneas de longitud 20 (solo de cierre). Irá a las entradas de la NS para su formación.
2. El muestreo según la cláusula 1 pasa por un LPF. Ahora obtenemos una secuencia de longitud 20+Tr. Donde Tp es el tiempo de predicción. El último valor de la salida del LPF es el valor objetivo.
3. Alimentar a los NS 1 y 2 - entrenamiento.
O tal vez no entiendo algo(.
PS Tratando de guardar los datos. ¿Funcionarán los formatos de archivo .mat o .spydata? Exportar a CSV de alguna manera no vino, debe buscar.
Vamos a repasarlo de nuevo.
1. Todo el BP es 55k OHLSV. Se extraen aleatoriamente 5 - 6k líneas de longitud 20 (solo de cierre). Irá a las entradas de la NS para su formación.
2. El muestreo según la cláusula 1 pasa por un LPF. Ahora obtenemos una secuencia de longitud 20+Tr. Donde Tp es el tiempo de predicción. El último valor de la salida del LPF es el valor objetivo.
3. Alimentar a los NS 1 y 2 - entrenamiento.
O tal vez no entiendo algo(.
PS Tratando de guardar los datos. ¿Funcionarán los formatos de archivo .mat o .spydata? Exportar a CSV de alguna manera no se encontró, es necesario buscarlo.
Vale, no te molestes.
No sé cómo leer estos formatos.
Pero, no estoy muy seguro de cuáles son los predictores...
Vale, no te molestes.
No sé con qué leer estos formatos.
Pero, no estoy muy seguro de cuáles son los predictores...
No hay predictores allí, una serie escalada de valores de Cierre - [Cierre[i-0], Cierre[i-1], Cierre[i-2],...,Cierre[i-19]] - se alimenta directamente a la entrada NS.
Como objetivo - un valor de salida VLF [i + Tp], donde Tp es el tiempo de previsión en minutos. La cantidad total de estas cuerdas es de 5-6 mil.
ZZY En general, es interesante ver los resultados en el bosque. Si lo vas a hacer, haré un CSV en un futuro próximo.
Bueno, una parcela más de previsión para terminar. Previsión de FNF (aproximadamente igual a EMA(8)) durante 5 min. Lo muestro ya que es muy posible trabajar con la previsión.
.
Bueno, este ciudadano dijo mucho y vagamente... El objetivo principal de su mensaje era que nada puede ayudarme: ni Erlang, ni Bachelier, nada en absoluto, excepto las filas que él dio.
Nada funciona en mis modelos - por eso he venido aquí, quizás la red neuronal vea algo.
Busca más apellidos en Wikipedia, hay muchos. Cuantos más apellidos conozcas, más listo parecerás. Algo que Kalomorov olvidó mencionar de nuevo.
No hay predictores allí, una serie escalada de valores de Cierre - [Cierre[i-0], Cierre[i-1], Cierre[i-2],...,Cierre[i-19]] - se alimenta directamente a la entrada NS.
Como objetivo - un valor de salida VLF [i + Tp], donde Tp es el tiempo de previsión en minutos. La cantidad total de estas cuerdas es de 5-6 mil.
ZZY En general, es interesante ver los resultados en el bosque. Si lo vas a hacer, haré un CSV en breve.
Si tú haces el muestreo, yo lo haré. Es cierto que no sería una clasificación, pero aun así, sería interesante.
Si haces una muestra, te daré una vuelta. Sin embargo, no es una clasificación, pero es interesante.
DE ACUERDO. Pero no es urgente.
Si haces una muestra, te daré una vuelta. No es una clasificación, pero es interesante.
Aquí están los archivos. Véase el anexo.
Aprender.csv - entradas. El primer dígito de cada línea - la unión de la historia, debe ser eliminado.
Cell.scv - objetivo.
Este es el gráfico que deberíamos obtener después de entrenar con estos datos.
El filtro es aproximadamente igual a EMA(16) y la previsión - 5 min.
Realizaré la prueba más tarde, si es necesario.