Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 380
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
y el pronóstico será "¡Hurra!"
Por cierto, dicen que "SÍ" es un buen pronóstico siempre que la volatilidad sea baja.
¿Cómo puedo ver el código?
¿Puedo ver el código?
Siga el enlace de la página anterior.
No entiendo nada.
Hay un gráfico de estrategia y un gráfico de comprar y mantener. ¿Dónde está elgráfico del EURUSD?
No entiendo nada.
Hay un gráfico de Estrategia y un gráfico de Comprar y Mantener. ¿Dónde está el gráficodel EURUSD?
Perdón, fui al siguiente post y encontré el siguiente gráfico.
Material muy interesante.
Lo que falta son pruebas que justifiquen la aplicabilidad de las funciones pertinentes.
No sé cómo ponerlo en mql, pero es muy complicado. Me compré un libro de texto universitario en el que aparecía Garch y ahora lo estoy leyendo).
El Ministerio de Defensa es siempre un modelo listo y significativo. A veces es tan significativo que ni siquiera sabes cómo funciona. Aquí hay un artículo sobre el gradient boosting por ejemplohttps://habrahabr.ru/company/ods/blog/327250/ Hay un artículo, hay descripciones y fórmulas, pero no he podido realizar mi deseo de trasladarlo a mql, es demasiado complicado.
El problema es ligeramente diferente, no en su significado, sino en su estrecha especialización.
Arima y Garch trabajan directamente con los precios sin indicadores ni AT. Tienen un algoritmo incorporado para convertir una serie de precios en un vector estacionario e incluso tienen algunas sutilezas como la corrección de las previsiones basadas en errores anteriores (componente MA). Pero al mismo tiempo son inútiles para otros datos (no de precios), estos modelos no pueden clasificar imágenes, por ejemplo.
Si pasamos una serie temporal de precios a la red neuronal para que se entrene, no buscará la autocorrelación, los componentes estacionales y la tendencia del precio: la red neuronal no es capaz de hacerlo. Simplemente recordará lo que se le dio, y para los nuevos datos en la prueba o en el comercio real, "recordará" vectores de precios similares del pasado, y el comercio como lo fue antes, pero en Forex significa un inconveniente.
Neuronka necesita ayuda para pronosticar el precio - primero, encontrar los indicadores que, como Arima, pueden detectar la autocorrelación, la tendencia y la estacionalidad, y transferir los valores de estos indicadores a la neurona. Entonces tendrá al menos una pequeña posibilidad de ser comparable a arima y garch.
Otra cosa importante es que arima hace predicciones basadas en el tiempo. Recuerda claramente el orden de llegada de los precios y utiliza una ventana deslizante en su previsión tomando los últimos precios y haciendo previsiones basadas en ellos. A diferencia de la neurona, que trabaja con toda la tabla de formación a la vez sin tener idea del orden en que llegaron los precios.
El Ministerio de Defensa es siempre un modelo listo y significativo. A veces es tan significativo que ni siquiera sabes cómo funciona. Aquí hay un artículo sobre el gradient boosting por ejemplohttps://habrahabr.ru/company/ods/blog/327250/ Hay un artículo, hay descripciones y fórmulas, pero mi deseo de trasladarlo a mql no lo he podido realizar, es demasiado complicado.
Es un asunto un poco diferente, no en el sentido, sino en la estrecha especialización.
Arima, Garch - trabajan directamente con los precios, sin indicadores ni AT. Para ello llevan incorporado un algoritmo para convertir una serie de precios en un vector estacionario, e incluso hay sutilezas como la corrección de las predicciones en función de los errores previos (componente MA). Pero al mismo tiempo son inútiles para otros datos (no de precios), estos modelos no pueden clasificar imágenes, por ejemplo.
Si pasamos una serie temporal de precios a la red neuronal para que se entrene, no buscará la autocorrelación, los componentes estacionales y la tendencia del precio: la red neuronal no es capaz de hacerlo. Simplemente recordará lo que se le dio, y para los nuevos datos en la prueba o en el comercio real, "recordará" vectores de precios similares del pasado, y el comercio como lo fue antes, pero en Forex significa un inconveniente.
Hay que ayudar a la neurona a pronosticar el precio: primero debe encontrar los indicadores que, como Arima, pueden detectar la autocorrelación, la tendencia y la estacionalidad, y transferir los valores de estos indicadores a la neurona. Entonces tendrá al menos una pequeña posibilidad de ser comparable a arima y garch.
Otra cosa importante es que arima hace predicciones basadas en el tiempo. Recuerda claramente el orden de llegada de los precios y utiliza una ventana deslizante en su previsión tomando los últimos precios y haciendo previsiones basadas en ellos. A diferencia de la neurona, que trabaja con toda la mesa de formación a la vez y no tiene ni idea de en qué orden llegaron los precios.
MO no es un modelo significativo acabado, es un proceso :) y garch es un modelo. ¿Cómo se puede comparar? :)
Estoy al tanto de todo lo que pasa, estaba llegando a alguna semblanza del garch antes de saber que existía. Y lo que hace la neurona. Llevo mucho tiempo construyendo mi modelo de pensamiento :) cuanto tiempo, unas 2 semanas. Todos estos artículos son en su mayoría basura, por cierto... para la educación general, es interesante leerlos.
Y por cierto, la complejidad del sistema en el mercado de divisas no caracteriza en absoluto su eficacia...¿Cómo se puede comparar? :)
El modus operandi siempre incluye algún tipo de modelo, y casi siempre toma alguno que funcione con el tiempo. Por ejemplo la neurónica o el gradient boosting, se ha invertido tanto esfuerzo y tiempo en su creación (décadas de evolución de algoritmos) que pueden ser incluso más significativos que el arima.
El modus operandi siempre incluye algún tipo de modelo, y casi siempre toma algún modelo que funcione y esté probado. Por ejemplo la neurónica o el gradient boosting, se ha invertido tanto esfuerzo y tiempo en su creación (décadas de evolución de algoritmos) que pueden ser incluso más significativos que el arima.
¿De qué modelo se trata, de regresión o de clasificación?) Eso es todo lo que pueden hacer las neuronas
El Ministerio de Defensa es siempre un modelo listo y significativo. A veces es tan significativo que ni siquiera sabes cómo funciona. Aquí hay un artículo sobre el gradient boosting por ejemplohttps://habrahabr.ru/company/ods/blog/327250/ Hay un artículo, hay descripciones y fórmulas, pero mi deseo de trasladarlo a mql no lo he podido realizar, es demasiado complicado.
Es un asunto un poco diferente, no en el sentido, sino en la estrecha especialización.
Arima, Garch - trabajan directamente con los precios, sin indicadores ni AT. Para ello llevan incorporado un algoritmo para convertir una serie de precios en un vector estacionario, e incluso hay sutilezas como la corrección de las predicciones en función de los errores previos (componente MA). Pero al mismo tiempo son inútiles para otros datos (no de precios), estos modelos no pueden clasificar imágenes, por ejemplo.
Si pasamos una serie temporal de precios a la red neuronal para que se entrene, no buscará la autocorrelación, los componentes estacionales y la tendencia del precio: la red neuronal no es capaz de hacerlo. Simplemente recordará lo que se le dio, y para los nuevos datos en la prueba o en el comercio real, "recordará" vectores de precios similares del pasado, y el comercio como lo fue antes, pero en Forex significa un inconveniente.
Hay que ayudar a la neurona a pronosticar el precio: primero debe encontrar los indicadores que, como Arima, pueden detectar la autocorrelación, la tendencia y la estacionalidad, y transferir los valores de estos indicadores a la neurona. Entonces tendrá al menos una pequeña posibilidad de ser comparable a arima y garch.
Otra cosa importante es que arima hace predicciones basadas en el tiempo. Recuerda claramente el orden de llegada de los precios y utiliza una ventana deslizante en su previsión tomando los últimos precios y haciendo previsiones basadas en ellos. A diferencia de la neurona, que trabaja con toda la mesa de formación a la vez y no tiene ni idea de en qué orden llegaron los precios.
+++