Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3137

 
Forester #:
¿Para qué sirve entonces un kozula de comercio? Nunca tendremos razones para las entradas. Me temo que tampoco habrá asociaciones.
Y el barajado de columnas fue en permutación.
Supongo que se supone que muestra si hay una relación causal entre rasgos y objetivos o no. Me gustan los enfoques propuestos, experimentando. Diferente del aprendizaje habitual.
El problema podría ser la dificultad para aislar el efecto tritment debido a la influencia de los factores de confusión en un gran espacio de características. Pero la validación cruzada debería salvar el día.
 
mytarmailS #:

¿Ofrecí un código grial?

La práctica separa al bocazas del entendido.

Puedes decir lo que quieras, aquí hay muchos que lo tienen todo sencillo , pero haz una pregunta correcta y todo te sabrá a gloria.

¿Está claro de qué estamos hablando?


donde A,B,C son instrumentos.

Es casi lo mismo:


¡Primero enciende tu cerebro!

Te han dibujado una pista repetidas veces y en todas las quid, supuestamente una que de todas formas nadie entenderá

Se están burlando del cerebro humano.

No duele, ¿verdad?

Vamos, veamos quién puede resolver esta farsa.

Luego sacaremos conclusiones.

Respuesta:


 
mytarmailS #:

))))

No, creo que una clasificación de los participantes estaría bien.

Por alguna razón, me viene a la mente un viejo chiste:
"Stirlitz se mantuvo firme, era la tortura favorita de Mueller" :)
 
mytarmailS #:

probablemente sea un oscilador de algún tipo.

En realidad lo que ha hecho, usted decide por sí mismo por qué))))

Oscilador de momento

oh cool! gracias! ahora entiendo) sólo que tiene que ser reentrenado cada vez? de lo contrario no se puede reconocer los componentes de los nuevos datos?

 
Evgeni Gavrilovi #:

Oh, genial, gracias, ahora lo entiendo, sólo que tiene que ser reentrenado cada vez, de lo contrario no puede reconocer los componentes de los nuevos datos.

Usa umap, no t-sne.

umap tiene un predictor.


Pero si los nuevos datos van más allá del rango de los datos antiguos, el algoritmo no funcionará correctamente, en este caso es mejor utilizar el PCA habitual.

Todo esto si hablamos de datos sin normalizar.

 
Renat Akhtyamov #:

¿así que sabemos de qué estamos hablando?

donde A,B,C son instrumentos

Deja de escribir herejías aquí, y también herejías off-topic.

Incluso los miembros rivales del hilo ya se hacen eco en una sola voz.

 
Maxim Dmitrievsky #:
Supongo que se supone que debe mostrar si existe o no una relación causal entre las características y los objetivos. Me gustan los enfoques propuestos, experimentando. Diferente del aprendizaje habitual.
El problema podría ser la dificultad para aislar el efecto de tritment debido a la influencia de los factores de confusión en un gran espacio de características. Pero la validación cruzada debería salvar la situación.
Forester#:
¿Y entonces cuál es el punto de kozula para el comercio? Nunca vamos a tener razones en la entrada. Me temo que nunca tendremos asociaciones tampoco.
Y barajar columnas también estaba en permutación.

¿Qué tiene que ver eso con tu cajuel?

Sin ser consciente de tu cajuel, llevo 10 años calculando causalidad, estimándola cuantitativamente, filtrando predictores por la varianza de la fluctuación de esta relación cuando se mueve la ventana. Y he escrito un centenar de posts al respecto en este hilo.

 
СанСаныч Фоменко #:

¿Qué tiene que ver tu engatusamiento?

Sin ser consciente de tu cajuelismo, llevo 10 años calculando la relación causal, y evaluándola cuantitativamente, filtrando predictores por la varianza de la fluctuación de esta relación cuando la ventana se mueve. Y he escrito un centenar de posts al respecto en este hilo.

¿cuánto tiempo te queda? )

¿Puedes tomar cualquier atributo en cantidad suficiente relacionado con series temporales y cualquier etiqueta que muestre beneficios en el probador y hacer un modelo robusto con ello?

Después de todo, todos los derivados de BP son relevantes para él :)


La tarea es difícil en otras áreas en las que no está nada claro de dónde viene la característica y por qué es necesaria. Hay toneladas de basura de este tipo en los grandes datos, que es muy difícil de filtrar. Y toneladas de falsas correlaciones como consecuencia.

Nuestra tarea parece incluso primitiva en comparación con esto, si tomamos BP y sus derivados. Porque todos los signos están relacionados con ella.

Pero todavía tenemos que meternos con el algoritmo y la lógica para emparejar etiquetas con características. Puede haber muchas lógicas. Así que haz la tuya y nosotros haremos la nuestra.

Ya he escrito por qué me gusta kozul, porque yo mismo llegué a él pensando. Y él encajaba orgánicamente en mi idea.

 
Para los que dicen que no hay patrones en el precio: intenten visitar el campo de los operadores manuales en ejercicio. Todo el mundo conoce sniper o smartmoney (de libre acceso, por lo que no hace publicidad de todo tipo de escuelas). El fundador después de 15 años sólo consiguió transmitir a sus programadores cómo algoritmizar (e incluso así no completamente) su sistema. Es decir, hay sistemas de trabajo y están relacionados sólo con el precio, y el problema era siempre la interpretación de garabatos.

Y así, un más o menos de trabajo (en bruto) Asesor Experto sin optimizaciones lucha contra el punto base del francotirador en beneficio durante todo el año. El gráfico de balance no es tan bonito como el de los propios traders, pero funciona. Hace apenas un par de años apareció una metodología con 7 (creo) algoritmos de movimiento de precios, por los que operan. Y si consiguen "meterlos" en el código, harán un autómata envidiable.

¿A dónde quiero llegar? Hay regularidades en el precio. Y normales, no a corto plazo. Regularidades a corto plazo son cuando el vendedor de su grial dice que ese EA está "hecho a medida" exclusivamente para EURUSD y que la semana que viene publicará un nuevo conjunto, ¡no te lo pierdas! En general, los patrones a corto plazo son sobre todo de ajuste. Los patrones a largo plazo son algoritmos de movimiento de precios, apuntando a grandes jugadores por sus "rastros" en el gráfico, etc. Es decir, estos son patrones que funcionan en todas partes, una vez "ajustado" y que funcionará en todos los pares de divisas y en todos los instrumentos, siempre y cuando los ojos no están dispersos

Si los comerciantes manuales fueron capaces de algoritmizar parcialmente la estrategia de negociación, entonces la red más neuronal debe encontrar estos patrones, y "aumentar" ellos, porque neuronka piensa más profundo.

Es por eso que trato de meter 500 precios a la entrada de la red neuronal, por lo que "vio" la imagen durante un mes. Pero, de acuerdo con esta lógica, es necesario cram no cada hora, pero los minutos, y allí la entrada aumenta 60 veces, NeuroPro aquí trabaja con bases de datos odb, y tienen una limitación de 512 columnas, por lo que exporta como es. Y como el programa es antiguo, entrenar tal cantidad de neuronas es una eternidad.

He intentado meter tantas en la entrada de neuronas de Python, la salida es la misma: MLP, LSTM, convolución con LSTM bidireccional - el resultado es el mismo, como si no hubiera variedades de neuronas en tensorflow y fueran todas iguales.

En general, no te rindas en este caso.
 
Renat Akhtyamov #:

¿así que sabemos de qué estamos hablando?


donde A,B,C son instrumentos

más o menos lo mismo:


¡Primero enciende tu cerebro!

Te han pintado una pista repetidas veces y en todas las quid, supuestamente una que de todas formas nadie entenderá

Se están burlando del cerebro humano.

No duele, ¿verdad?

Vamos, veamos quién puede resolver esta farsa.

Luego sacaremos conclusiones.

Si usted dijera en la forma: "Para ganar dinero en el mercado Forex, necesitas: a) Hacer esto y b) Hacer aquello"

Sería genial.