Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1623
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
¿Hay un monitor de cuentas?
No, las operaciones acaban de empezar y aún no se han puesto en marcha porque se está probando la fiabilidad de toda la máquina. De hecho, debido al hecho de que los futuros termina hoy, por lo que la última semana o dos de la cotización funciona puramente técnica y cualquier sistema comienza a trabajar, incluso so-so. Mañana cambiaremos a un nuevo futuro. Al principio de la cita las cosas siempre van mal, veremos allí...
Ya veo, yo también estoy en la prueba, pero está tardando mucho ))). No hay imágenes de flechas por el momento, sólo hay esta (beneficio en pips).
Por supuesto, puede ser sólo una coincidencia)).
No es así...
Un modelo (una red neuronal) no da el resultado correcto. Puede aprender algo, pero no es suficiente. Por eso hago 20-25 modelos con diferentes entradas. Ahora tengo 25 modelos señalando al mismo tiempo, y sus opiniones se consideran con cierto peso en la previsión final. El cálculo de un modelo tarda entre 0,5 y 0,7 segundos, lo que supone un total de 15-20 segundos, además de tener que preparar la fecha de entrada para 25 modelos, lo que supone mucho trabajo por cada minuto)) La respuesta puede reducirse a 1-3 segundos si utilizo correctamente el multithreading en python, pero aún no lo he hecho.
Entreno los modelos por separado, en modo normal, es decir, el conjunto de datos se recoge a partir de un período de historia de un año y luego se entrena como de costumbre.
¿Cuál es el objetivo?
No es así...
Un modelo (una red neuronal) no da el resultado correcto. Puede aprender algo, pero no es suficiente. Por eso hago 20-25 modelos con diferentes entradas. Ahora tengo 25 modelos señalando al mismo tiempo, y sus opiniones se consideran con cierto peso en la previsión final. El cálculo de un modelo tarda entre 0,5 y 0,7 segundos, lo que supone un total de 15-20 segundos, además de tener que preparar la fecha de entrada para 25 modelos, lo que supone mucho trabajo por cada minuto)) La respuesta puede reducirse a 1-3 segundos si utilizo correctamente el multithreading en python, pero aún no lo he hecho.
Entreno los modelos por separado, en modo normal, es decir, el conjunto de datos se recoge a partir de un período de historia de un año y luego se entrena como de costumbre.
Parece que estás entrenando a una modelo cada minuto. Un modelo entrenado suele tardar una milésima de segundo en producir un resultado.
¿cuál es el objetivo?
sin objetivo, todos iguales
¿Qué quieres decir? ¿Qué es Y?
No es así...
Un modelo (una red neuronal) no le da los resultados que necesita. Puede aprender algo, pero no es suficiente. Por eso hago 20-25 modelos con varias entradas. Ahora tengo 25 modelos señalando al mismo tiempo, y sus opiniones se consideran con cierto peso en la previsión final. El cálculo de un modelo tarda entre 0,5 y 0,7 segundos, lo que supone un total de 15-20 segundos, además de tener que preparar la fecha de entrada para 25 modelos, lo que supone mucho trabajo por cada minuto)) La respuesta puede reducirse a 1-3 segundos si utilizo correctamente el multithreading en python, pero aún no lo he hecho.
Entreno los modelos por separado, en modo normal, es decir, el conjunto de datos se recoge a partir de un período de historia de un año y luego se entrena como de costumbre.
Hmm, "0,5-0,7 segundos de cálculo" es demasiado para MLP, ¿quizás se enseña y luego se calcula, en pequeños conjuntos de datos con una ventana deslizante?
Tomémoslo en orden:
1 ¿Cuáles son los datos brutos (ticker(s), marco temporal)?
2 ¿Cuál es el tamaño del conjunto de datos de entrenamiento (1k,10k,100k...)
3 Qué tipo de características
4 Cuáles son los objetivos
5 ¿Qué tipo de red?
suficiente para empezar...
Hmm, "0,5-0,7 segundos de cálculo" es demasiado para MLP, ¿quizás se enseña y luego se calcula, en pequeños conjuntos de datos con una ventana deslizante?
Vayamos por orden:
1 ¿Cuáles son los datos brutos (ticker(s), marco temporal)?
2 ¿Cuál es el tamaño del conjunto de datos de entrenamiento (1k,10k,100k...)
3 Qué tipo de características
4 Cuáles son los objetivos
5 ¿Qué tipo de red?
es suficiente para empezar...
Y también deberías encender la lámpara en tus ojos))