Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2128
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
Parece que no he entendido la pregunta.
No hay intérprete de modelos en MT5 con predictores de categorización y CatBoost con línea de comandos puede hacer todo como la versión de python, excepto cosas puramente de python como la visualización.
¿Lo hicieron juntos, este intérprete, o por orden suya? Bueno, tendré que ver lo que falta...
No es un proyecto comercial. Mi papel se redujo a la prueba activa de la solución.
Si lo consigues, será bueno para la comunidad.
Y en general, hasta ahora no he visto, lo que realmente signos categóricos para dar un aumento - pero, intentó hace mucho tiempo, tengo predictores que describen las situaciones locales, como si categórica, pero no vino.
no hay multiclase, según tengo entendido
Todavía no hay regresión.
Pues si lo hago, será un parser de modelos entrenados de python a mql. Todavía no está quemando, pero puede necesitarlo.
También puedo guardar modelos para python.
¿Qué sentido tiene la regresión?
Puede ser útil para los modelos que funcionan para fijar los topes. A veces puede ser necesario predecir la MA a través de una docena de barras :)
¿Qué características/transformaciones dan buenos resultados?
El resultado del valor del predictor depende del objetivo :) Estoy haciendo un experimento sobre la selección de los mejores niveles de cuantificación. Los predictores que no han superado el umbral mínimo están siendo filtrados. Es demasiado pronto para decirlo, pero los primeros resultados son positivos. El proceso es largo en una sola corriente: más de un día. Tengo que utilizar más criterios para estimar los niveles cuánticos - lo haré - la idea es cavar donde hay una señal. Más adelante tomaré más parcelas, filtraré la muestra y aprenderé sólo donde hay respuesta - probablemente ya funcione el árbol genético - para extraer las hojas.
He hecho una cosa interesante, puedo transformar cualquier conjunto de datos, marcado o no, mejorándolo
Es interesante, puedes probarlo en el que he enlazado. Es cierto que hay un error en algunos predictores allí (cuando se guardaron se escribieron como int, no como double - eliminé mi cuantificación y lo olvidé), pero para la comparación relativa no importa.
Por cierto, si usted necesita para calcular lo que es relativamente pesado - puedo calcular - ahora hay una oportunidad.
Esto es interesante, puedes probarlo en el que he puesto el enlace. Hay un error en algunos predictores allí (cuando se guardaron se escribieron como int, no como double - eliminé mi cuantificación y lo olvidé), pero para la comparación relativa no importa.
Por cierto, si usted necesita para calcular lo que es relativamente pesado - puedo calcular - ahora hay una oportunidad.
Estaba buscando un desarrollo muy conciso de mi enfoque y me encontré con algo interesante... O mejor dicho, no es que no lo supiera antes, es que no se me ocurrió usarlo... y luego, de alguna manera, los puzles se juntaron
No es una panacea, pero da resultados interesantes. Lo veré más tarde.
Estaba buscando un desarrollo muy conciso de mi enfoque y me topé con algo interesante... O mejor dicho, no es que no lo supiera antes, es que no se me ocurría utilizarlo... y entonces, de alguna manera, los rompecabezas se unieron
No es una cura para todo, pero da resultados interesantes. Ya veremos más adelante.
¡Estoy esperando con interés!
El spread no puede ser vencido después de la simple descorrelación, pero el modelo es más estable en los nuevos datos sin spread. Cualquier modelo que haya sido sobreajustado para la serie va bien sin la dispersión, pero es mucho mejor en la bandeja que el primero (también funciona con la dispersión). Esto muestra claramente una reconversión a la serialización y nada más. Sé que es difícil de entender, pero es así 🤣 Si vuelves a mirar las fotos, verás picos de distribución más altos y quizás colas, en la primera. Eso es serialidad, volatilidad, lo que sea. Cambia casi inmediatamente con los nuevos datos, de ahí el sobreajuste. La segunda foto de abajo no tiene eso, es lo único que queda, y en esa basura hay que buscar un Alfa que supere el spread. Sólo hay que mirar los datos y al menos eliminar la serialidad, o transformarlos de alguna manera para eliminar las colas. Y luego mira las distribuciones de clase de lo que queda, ¿hay grupos normales de conglomerados o una completa aleatoriedad como la mía? De este modo, incluso puedes ver si el conjunto de datos funciona o es una basura. Y luego puedes mezclar la validación con el trayn, no afectará a nada. Y tú dices "sólo una foto".
¡Tienes que hacerlo, Fedya, tienes que hacerlo!
Trabajar día y noche sin dormir ni descansar ))))
¿Son robots?
Trabajar día y noche sin dormir ni descansar ))))
¡Tenemos que hacerlo, Fedya, tenemos que hacerlo!
:))))