Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2732
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
En pocas palabras, una tendencia es la ilusión de un principiante que se enriqueció con la historia: aquí entré y aquí salí.
Esta ilusión puede probablemente ser apoyada por el MOE, si es posible encontrar un predictor para el maestro "tendencia", y el modelo tendrá en cuenta los valores vecinos de signos. Esto me parece un cuento de hadas.
Siendo más realistas, hay estadísticas que dicen que los mercados financieros NO son estacionarios. No hay elección: modelizaremos series temporales no estacionarias. La tendencia es el primer signo evidente de no estacionariedad. No hay más remedio, tenemos que detraer la tendencia de la serie temporal. Dado que se predice el signo de la siguiente barra, no su valor, la pérdida de información no es fatal.
(Lo recuerdo) Espero que no te fusilen por el enlace en CodeBase : https://www.mql5.com/ru/code/36558.
puede ser útil para predecir signos - predice hasta la saciedad :-) el indicador sólo muestra (y resume) los signos "blanco/negro".
Lee el garch y no te inventes cosas
Lee textos más significativos que algunos diccionarios breves. Empieza por el artículo original de Robert Engle de 1982.
En su diccionario, por supuesto, también hay sobre el ruido blanco, que también es gaussiano - sólo se llama de manera diferente allí (innovaciones).
Lea textos más significativos que algunos diccionarios breves. Empieza por el artículo original de Robert Engle de 1982.
En su diccionario, por supuesto, también hay sobre el ruido blanco, que también es gaussiano - sólo se llama de manera diferente allí (innovaciones).
Resulta que sus conocimientos no están a cero.
Así que tomemos un paquete, por ejemplo, rugarch, y discutamos la modelización en sus términos, que cubren todos los matices de las series no estacionarias.
Resulta que sus conocimientos no están a cero.
Así que tomemos un paquete, por ejemplo, rugarch y discutamos la modelización en sus términos, que cubren todos los matices de las series no estacionarias.
El paquete es bastante bueno, no hay discusión. Pero en este momento me interesa otro tipo de no estacionariedad, como la que surge en los problemas de descomposición de Shiryaev. A menudo se habla de estacionariedad a trozos.
El paquete es bastante bueno, sin duda. Pero en este momento me interesa otro tipo de no estacionariedad, como la que surge en los problemas de descomposición de Shiryaev. A menudo se habla de estacionariedad a trozos.
Se llama ciencia a cualquier derroche de diseños disponibles, que es una tipa muy inquieta.
Lo más probable es que la longitud de una serie temporal a trozos sea también una serie no estacionaria, se puede mirar la ZZ. Tenemos los mismos problemas, sólo que visto desde el lado.
¿quién ha estado predicando algo así?
https://cs.stanford.edu/people/karpathy/convnetjs/demo/rldemo.html
¿quién predicó algo así?
https://cs.stanford.edu/people/karpathy/convnetjs/demo/rldemo.html
¿funciona?
demo sobre una cucaracha (un círculo con patas y ojos), reglas " empezaremos con algo más simple: un agente 2D que tiene 9 ojos apuntando en diferentes ángulos hacia adelante y cada ojo percibe 3 valores a lo largo de su dirección (hasta una cierta distancia máxima de visibilidad): distancia a una pared, distancia a una cosa verde, o distancia a una cosa roja. El agente navega utilizando una de las 5 acciones que lo giran en diferentes ángulos. Las cosas rojas son manzanas y el agente obtiene recompensa por comerlas. Las cosas verdes son veneno y el agente obtiene una recompensa negativa por comerlas. El entrenamiento dura unas decenas de minutos con los parámetros actuales".
puede hacer clic en iniciar aprendizaje... luego en detener aprendizaje...
se supone que la cucaracha corre y prefiere los puntos rojos, evitando los verdes...
En realidad: después de parar el aprendizaje, sigue más o menos el último patrón de movimiento y no distingue entre rojo y verde. O tengo una cucaracha inusualmente estúpida :-)
¿Funciona?
demo sobre una cucaracha (un círculo con patas y ojos), reglas " empezaremos con algo más simple: un agente 2D que tiene 9 ojos apuntando en diferentes ángulos hacia delante y cada ojo detecta 3 valores a lo largo de su dirección (hasta una cierta distancia máxima de visibilidad): distancia a una pared, distancia a una cosa verde, o distancia a una cosa roja. El agente navega utilizando una de las 5 acciones que lo giran en diferentes ángulos. Las cosas rojas son manzanas y el agente obtiene recompensa por comerlas. Las cosas verdes son veneno y el agente obtiene una recompensa negativa por comerlas. El entrenamiento dura unas decenas de minutos con los parámetros actuales" .
puedes hacer clic en start learning...y luego en stop learning.....
se supone que la cucaracha corre y prefiere los puntos rojos para evitar los verdes...
En realidad : después de dejar de aprender sigue más o menos el último patrón de movimiento y no distingue entre rojo y verde. O tengo una cucaracha inusualmente estúpida :-)
porque no deberías pulsar parar aprendizaje antes de que el aprendizaje esté completo .
porque no se acierta a dejar de aprender antes de completar el aprendizaje .
¡Hurra! Ha funcionado... 3 horas de aprendizaje, casi se me había olvidado.
Ahora la cucaracha corre como debe (casi) intenta evitar las verdes y se come las rojas.
Al parecer, sucedió que un "feeler" menos entrenado :-) Es decir, si un verde de penalización está en un determinado lado, se lo comerá inmediatamente. A la inversa rojos en una determinada travesía se evitan
Pero esto es probablemente un sistema ogrich.