Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2633
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
Descargue el bot del mercado, ejecútelo en el probador de MT5, luego hay una opción para guardar el informe con todas las operaciones y otra información
Puede automatizar, incluyendo la ejecución de la prueba y la carga de las operaciones en csv -https://www.mql5.com/ru/code/26132
Se ha puesto en marcha una estrategia de oro del mercado ))
Curva capital en mi probador.
lo lanzó en tslab para obtener una mejor visión
Parece que es un buen partido.
He mirado los oficios.
Utilicé mi comerciante de la mano y yo no entiendo su algoritmo de negociación.
Forrest ciertamente no pudo identificar nada, pero fue interesante e informativo )))
Puede automatizarse, incluyendo la ejecución de una prueba y la carga de transacciones en csv -https://www.mql5.com/ru/code/26132
Podría ser útil... Tengo un many-to-many sin recurrencia. Y sin capas de convolución. Y elegí este modelo después de analizar el mecanismo neuronal. Estamos buscando un denominador común aquí, ¿no? Discute.
Gracias, voy a echar un vistazo.
Aun así, con nosotros, el orden es importante. Siempre es posible, por ejemplo, obtener SB barajando los incrementos al azar.
También he recordado que una vez escribiste aquí sobre la minería de patrones secuenciales y el problema de la alineación de secuencias que se plantea allí. También parece ser uno de los métodos para resolver el problema. Aunque la pertenencia de las secuencias a una misma clase no significa necesariamente que sean similares.
datos
ejecutamos la función y buscamos las secuencias que conducen a nuestras marcas
La función es "sucia", pero funciona, cambie las rutas en la función para sus propias necesidades e instale los paquetes correctos.
Pero debes saber que los algoritmos que buscan este tipo de "secuencias dispersas" son muy voraces, hay una búsqueda enorme, a pesar de que el propio algoritmo hace una búsqueda eficiente y está escrito en C++datos
ejecutar la función y buscar secuencias que lleven a nuestras etiquetas
La función es "sucia", la escribí para mí, pero funciona, cambia las rutas en la función por ti mismo e instala los paquetes correctos.
Pero debes saber que los algoritmos que buscan este tipo de "secuencias dispersas" son muy voraces, hay una búsqueda enorme, a pesar de que el propio algoritmo hace una búsqueda eficiente y está escrito en C++Gracias, pensaré en cómo añadirlo a mis problemas.
Gracias, pensaré en cómo adjuntarlo a mis tareas.
¿Un enfoque o ambos?
https://habr.com/ru/post/661457/
¿Un enfoque o ambos?
https://habr.com/ru/post/661457/
En mi opinión, una combinación armoniosa de ambos enfoques, teniendo en cuenta las particularidades de nuestros objetivos. Las señales deben "captar" la "física" del mercado, y los modelos deben construirse para aumentar los beneficios (en lugar de la probabilidad de acertar, por ejemplo)
Un poco más de cuasi-filosofía. El compromiso entre el sesgo y la varianza siempre limitará la complejidad del modelo. Por lo tanto, nunca se puede estar seguro de que el modelo funcione bien con todo el conjunto de predictores. En consecuencia, se plantea la tarea de determinar un subconjunto de trabajo de este modelo. Si he entendido bien, esto es exactamente lo que Maxim escribió recientemente (sobre dos modelos). Está en consonancia con la vieja idea de que "no hay que intentar estar en el mercado todo el tiempo".
Sería bueno intentar combinar todo esto en un solo modelo. Por ejemplo, esta idea (Aleksey Vyazmikin tenía una ligeramente parecida): dividimos cada predictor en segmentos, lo que da un desglose del conjunto de predictores en cubos multidimensionales. A continuación, de todos estos cubos elegimos un conjunto de cubos adecuados. Con una gran dimensionalidad este problema será combinatoriamente intratable, pero podemos hacerlo por analogía con el bosque aleatorio: elegir aleatoriamente conjuntos de predictores de baja dimensión. La segmentación inicial para cada predictor puede hacerse dividiendo el patrimonio (cuando las transacciones se ordenan por un determinado predictor y no por tiempo) en trozos monótonos.
Suplementar todo con la validación cruzada (hacia adelante) y todas las otras cosas que se supone) Probablemente, ni siquiera será bastante sin sentido) Bueno, o alguien ha hecho algo así antes.