Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 227
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
Bueno, lo esencial se puede resumir en un conjunto de frases. Eso es todo lo que pido.
La tarea ahora no es estudiar el tema, sino estimar preliminarmente su alcance. Por eso digo que lo formule (si lo entiende).
Vea al menos la primera conferencia. No puedes hacerlo en un par de frases, es un área demasiado amplia.
Verás, estoy esperando a que articules el punto, porque quiero entender exactamente lo que quieres con la noción de aprendizaje automático.
Lo que la conferencia le dirá es la comprensión de otras personas. Tal vez lo que la comunidad del comercio algorítmico necesita es un aprendizaje automático específico.
Quiero entender qué necesitan exactamente los algotraders en el amplio campo del aprendizaje automático y así reducir el tiempo dedicado a aprender áreas irrelevantes, limitar el código evitando tareas innecesarias y, en definitiva, lograr la implementación correcta del objetivo.
Verás, estoy esperando a que articules el punto, porque quiero entender exactamente lo que quieres en términos de "machine learning".
Lo que la conferencia le dirá es la comprensión de otras personas. Tal vez la comunidad de algotrading necesite un aprendizaje automático específico.
Quiero entender lo que necesitan específicamente los algotraders en el amplio ámbito del aprendizaje automático y, de este modo, reducir el tiempo dedicado a aprender áreas irrelevantes, limitar el código evitando tareas innecesarias y, en última instancia, lograr la implementación correcta del objetivo.
Hay dos objetivos aquí, de forma muy general.
1) selección de características cualitativas
las características son :
Por ejemplo, le gusta el análisis técnico, el soporte, la resistencia, el rebote, la ruptura, etc.
usted ve el mercado a través de estas características, no damos los precios, pero sólo las señales que el apoyo, la resistencia , rebote, ruptura, etc . en el algoritmo
y aquí viene el punto
2) generación de decisiones
el algoritmo que hace "malabarismos" con estos signos empieza a crear unas reglas de negociación - decisiones óptimas y selecciona los signos que valen y los que no son importantes para tomar una buena decisión
=====================
así que el procesamiento correcto de los datos es el 98% del trabajo
la formación del MO es del 2%.
Hay dos objetivos aquí, de forma muy general
1) selección cualitativa de características
estos signos son :
Por ejemplo, le gusta el análisis técnico, el soporte, la resistencia, el rebote, la ruptura, etc.
usted ve el mercado a través de estas características, no damos los precios sino sólo las características como soportes, resistencias , rebotes, rupturas etc... en el algoritmo
y aquí viene el punto
2) generación de decisiones
el algoritmo que "hace malabares" con estas señales empieza a crear unas reglas de negociación - decisiones óptimas y selecciona las señales que valen y las que no son importantes para tomar una buena decisión.
Gracias. Estoy empezando a hacerme una idea.
Se trata de un tipo de recogida de firmas general y de análisis de varios cambios de datos en el periodo actual, que se introducen en un algoritmo especial, se analizan allí, se recogen estadísticas de las firmas de datos, se investigan los patrones y las repeticiones de las firmas y se generan decisiones sobre el comportamiento del sistema.
¿Así?
Verás, estoy esperando a que articules la esencia, porque quiero entender qué quieres exactamente con el término "machine learning".
Lo que se contará en la conferencia es la comprensión de otras personas. Tal vez la comunidad de algotrading necesite un aprendizaje automático específico.
Quiero entender qué es lo que necesitan exactamente los algotraders en el amplio ámbito del aprendizaje automático y, de este modo, reducir el tiempo dedicado a aprender áreas irrelevantes, limitar el código evitando tareas innecesarias y, en última instancia, lograr la implementación correcta del objetivo.
La esencia del aprendizaje automático es aproximar un conjunto de datos para obtener un cuasi-modelo que lo genere. En el caso de la clasificación se trata de una nube de puntos marcados para obtener máscaras que los separen.
La esencia del MO es aproximar un conjunto de datos para obtener un cuasi-modelo que lo genere. En el caso de la clasificación, se trata de una nube de puntos etiquetados para obtener máscaras que los separen.
Una aproximación es una generalización de valores. Es decir, ¿se trata de encapsular diferentes valores de datos dentro de un rango elegido? Además, es posible crear un modelo numérico que generalice el cambio de un valor en un periodo de tiempo. La recopilación de estos modelos permite crear estadísticas en las que basar las decisiones y la elección de acciones.
¿Voy en la dirección correcta?
En resumen, -
1. Crear un algoritmo que recoja flujos de valores de cualquier parámetro (datos) que necesitemos y los ejecute a través del buffer del anillo.
2. Pasamos los flujos de valores almacenados en el buffer del anillo a través de un filtro especial, que los generaliza a los rangos de estos valores.
3. Se crea un modelo numérico generalizado (mediante rangos) de la naturaleza del valor de cada parámetro en el buffer del anillo, y se escribe en el formato adecuado.
4. Este modelo se envía al algoritmo estadístico que recoge estos modelos.
5. Recorremos la base de datos que contiene los modelos (firmas) de la naturaleza de los cambios de valores de nuestros parámetros y encontramos el modelo que mejor se adapta a la situación actual.
6. Se toma una decisión sobre el comportamiento del sistema en la situación capturada en esta firma (modelo).
Lo formularé con más precisión más adelante.
Lo que ha mostradotoxic es una especie de clustering pero con un maestro, los puntos al principio son los signos o más bien sus parámetros numéricos, tienes un objetivo de compra y de venta, así que antes del entrenamiento marcaste arriba (compra) y abajo (venta), y el algoritmo empieza a dividir los parámetros de los signos por el objetivo, como que la zona azul es de compra, la roja de venta...
Pero ahora mismo el último rumor es algo así
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
pero soy un completo nerd.
Y este es divertidísimo)))
https://www.youtube.com/watch?v=pgaEE27nsQw
Lo que ha mostradotoxic es una especie de clustering pero con un maestro, los puntos al principio son signos o más bien sus parámetros numéricos, tienes un objetivo de compra y otro de venta, has marcado antes del entrenamiento donde había un crecimiento (compra) y una caída (venta), y el algoritmo empieza a dividir estúpidamente los parámetros de los signos por el objetivo, como que la zona azul es de compra, la roja de venta...
Pero ahora mismo el último rumor es algo así
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
pero soy un completo nerd.
Mañana le echaré un vistazo a todo.
Hace dos años tuve ideas que resultaron ser similares en algunos aspectos al aprendizaje automático. Lo llamé "recoger firmas digitales de los cambios de valores de los parámetros". Se me ocurrió la base de esta tecnología y la escribí. Nunca llegué a ponerlo en práctica, porque siempre me distraía con otras cosas.
Mañana describiré todo el concepto de estas "firmas" y me dirás qué parecido tiene con el aprendizaje automático.
Si son cosas cercanas, entonces la tecnología de creación de algoritmos ya está clara para mí.