Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2043

[[Eliminado]]

Alexander_K:

Hmm... Voy a echar un vistazo. Todavía no he trabajado con TF por encima de M15...

¿Dónde está tu señal? Lo puse en mis favoritos para facilitar su visualización, pero ahora ya no está. ¿Qué ha pasado?

[Evgeniy Chumakov]

Oleg avtomat:

¿Dónde está tu señal? Lo puse en mis favoritos para verlo fácilmente, pero ahora ya no está. ¿Qué ha pasado?

Debe haber encontrado el Grial y haber ido a la Casa del Silencio. )

[Aleksey Vyazmikin]

Interesante video, Maxim ¿Es este el enfoque que estás tomando?

[Aleksey Vyazmikin]

Y esto es más o menos lo que hago. Curiosamente, los dos autores del vídeo de arriba y de abajo dicen lo contrario: uno dice que las redes no funcionan, el otro que los árboles sí :)

[Maxim Dmitrievsky]

Aleksey Vyazmikin:

Interesante video, Maxim ¿Es este el enfoque que estás tomando?

Más o menos, sí, pero aún no lo he hecho) ya que tengo poca fe en su éxito

Las redes funcionan mejor con datos homogéneos, como imágenes o señales. Los árboles son mejores en los casos heterogéneos, como los de muchas características diferentes no normalizadas.

¿desde cuándo existe yandexair? no sabía que había una contraparte en youtube

SIN EMBARGO, aquí hay ejemplos de lo más genial que tenemos para las series temporales en este momento: los transformadores

https://timeseriestransformer.readthedocs.io/en/latest/notebooks/trainings/training_2020_04_27__093505.html

pero todo parece una previsión retardada, al igual que con LSTM. Al igual que el valor actual de la serie es el mejor predictor de la siguiente, como en SB

[mytarmailS]

¡¡¡Tengo una petición!!!

¡Necesito escribir un simple script para mt4 !

La conclusión es la siguiente

1) Presiono con el ratón sobre un determinado candelabro

2) El script escribe en un cuaderno la fecha y hora y el precio de cierre de esta vela

¡¡Eso es!!

[Valeriy Yastremskiy]

Maxim Dmitrievsky:

más o menos, sí, pero aún no lo he hecho) ya que tengo poca fe en el éxito de este empeño.

Las redes funcionan mejor con datos homogéneos, como imágenes o señales. Los árboles son mejores en datos heterogéneos, como una gran cantidad de características diferentes no normalizadas.

¿desde cuándo existe yandexair? no sabía que había una contraparte en youtube

SIN EMBARGO, aquí hay ejemplos de lo más genial que tenemos para las series de tiempo en este momento: los transformadores

https://timeseriestransformer.readthedocs.io/en/latest/notebooks/trainings/training_2020_04_27__093505.html

La serie del tiempo es la que más mola en este momento: Transformers.

[Maxim Dmitrievsky]

Valeriy Yastremskiy:

Más sobre los tranformadores La traducción es más o menos autoexplicativa.

Lo tengo en mis favoritos ) Creo que lo he lanzado antes

[Maxim Dmitrievsky]

GRU sobre etiquetas aleatorias en un pequeño conjunto de datos

Epoch 20 tren err: 0.3469601273536682 tst err: 0.40891700983047485

¿Cuáles podrían ser los pros y los contras de este muestreo aleatorio de etiquetas?

def add_labels(dataset, min, max, markup):          #min, max - минимальная\максимальная продолжительность сделки, в барах
    labels = []                                     #сюда сохраняем метки
    for i in range(dataset.shape[0]-max):
        rand = random.randint(min,max)              #случайно выбираем продолжительность следующей сделки
        if i == 0:                                  #если это первый элемент массива, заполняем значениями 0.5, rand-1 штук\
            for a in range(rand-1):                 #поскольку нет более ранних цен для определения метки       
                labels.append(0.5)
        if dataset['close'][i] > (dataset['close'][i + rand] + markup):    #если текущая цена больше чем цена + rand баров вперед\
                labels.append(1.0)                                         #то метка 1.0 (продажа)
        elif dataset['close'][i] < (dataset['close'][i + rand] - markup):  #если меньше, то покупка
                labels.append(0.0)              
        else:
                labels.append(0.5)
    dataset = dataset.iloc[:len(labels)].copy()
    dataset['labels'] = labels
    return dataset

ahora pondré cuda pack para videocard y usaré la videocard para hacer las cuentas de big data

las fichas son sólo secuencias incrementales, 15 piezas por entrada. puedes aumentarlas.

[Aleksey Vyazmikin]

Maxim Dmitrievsky:

más o menos, sí, pero aún no lo he hecho) ya que tengo poca fe en el éxito de esta actividad.

Si he entendido bien del vídeo, hay una función/biblioteca que busca señales en la red convolucional, es decir, plantillas ya hechas por las que se deberían encontrar patrones/predictores - me pregunto qué se espera encontrar ahí, cómo se hizo esta máscara - ¿cuál es la lógica, lo sabes por casualidad?

Maxim Dmitrievsky:

¿desde cuándo existe yandexair? no sabía que había una contraparte en youtube

Durante mucho tiempo, unos dos años, creo que sí.

Maxim Dmitrievsky:

Z.Y. Aquí hay ejemplos de lo más genial que hay en este momento para las series temporales: Transformers

https://timeseriestransformer.readthedocs.io/en/latest/notebooks/trainings/training_2020_04_27__093505.html

pero todo parece una previsión retardada, al igual que con LSTM. Como si el valor actual de la serie fuera el mejor predictor de la siguiente, como en SB

No estoy seguro de que nuestros datos de entrada sean adecuados para esta red; en las imágenes parece muy suave.