Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 695
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
He estado pensando en la regresión....
La regresión en los mercados financieros no es una función suave, sino una función escalonada con incrementos de 1 punto. (tanto para el profesor como para la previsión). Si, por ejemplo, limitamos el movimiento a +/- 100 puntos, existe una analogía con la clasificación en 200 clases. Es decir, la salida es una predicción de la clase más probable - por ejemplo, +22 pt.
¿No significa que para obtener buenos resultados la estructura/complejidad del modelo (número de neuronas) para la regresión debería ser 200 veces mayor? Bueno, si se aumenta el paso a 5 pt, entonces 40 veces sería un poco más económico a costa de menos precisión.
¿Alguna idea sobre este tema?
No puedes hacer la regresión sobre los precios, hazla sobre los incrementos, entonces el número de variantes será menor
no necesitas más neuronas, de hecho no necesitas muchas para la regresión... en una regresión lineal, necesitas 1 coeficiente por rasgo :)
No puedes hacer la regresión sobre los precios, hazla sobre los incrementos, entonces el número de variantes será menor
No necesitas más neuronas, de hecho, no necesitas muchas para la regresión... en una regresión lineal, necesitas 1 coeficiente por rasgo :)
Me refiero a +/- 100 pt, no a los precios.
Bueno, la analogía con las 200 clases es directa... aunque van de forma secuencial y todavía se puede suavizar de una función escalonada a una suave
El incremento es lo que se entiende por +/- 100 pt.
Bueno, la analogía con las 200 clases es directa...
Bueno, las clases también tienen más de un valor de salida, simplemente se divide por una sigmoidea
¿No hay ideas sobre este tema?
Clasificar en 200 clases requiere 200 neuronas en la salida, y las correspondientes neuronas en las capas internas para que todo funcione de alguna manera.
Y para la regresión sólo se necesita 1 neurona de salida, cuyo valor será Pronosis, "+22p, más o menos error". Y probablemente haya menos neuronas ocultas.
El profesor será discreto, con un signo de número como símbolo. Pero el pronóstico es un número doble regular no continuo con 16 dígitos, por lo que la función de estimación (error cuadrático medio, por ejemplo) también será continua.
Interesante artículo sobre un estudio de ocho modelos de aprendizaje automático
Es lamentable que los autores del artículo hayan tomado como ejemplo los precios artificiales en lugar de los del petróleo. Los resultados se obtuvieron para condiciones ideales, y no está claro que sean aplicables al comercio real.
¡¡¡¡Hoy es el día del grial, pero ya sabemos cómo es y cuánto trabajo cuesta tenerlo en nuestras manos!!!!
No me asusta la palabra, pero hoy he encontrado un grial para mí. Lo he probado repetidamente y los resultados han sido sorprendentes. Un agradecimiento especial al Dr. Trader por su apoyo, que de hecho condujo al descubrimiento. No tengo miedo de esta palabra........ Con la ayuda de R pude encontrar efectivamente un conjunto de predictores importantes, y dado que el objetivo tiene el mismo número de clases, jugando un poco (añadiendo o quitando una) el conjunto de predictores importantes se puede ampliar en una, dos columnas. Lo probé una vez y era muy normal añadirlos. A continuación, empezamos a reducir y seleccionar el modelo con los máximos resultados de aprendizaje.
¡¡¡¡¡¡Por supuesto no es un gran tamaño de polinomio, pero funcionará en teoría el 50% del intervalo de entrenamiento, es decir una semana, y es suficiente para mí!!!!!! Pero aquí está la cosa.... Y ahora me dirijo a las personas que buscan patrones fiables y estables. Es más fácil de explicar con un ejemplo.........
Guardo una tabla de datos de 1000 filas y 111 columnas donde salen 110 predictores y así. PERO no tomo toda la tabla, tomo una pequeña sección fresca de 40 registros (eso es 2 semanas de trabajo de TS aproximadamente) Como resultado tengo un conjunto de entrenamiento de tamaño 40 por 110 más un objetivo. De hecho, tomo una tajada del mercado este mismo día en este mismo intervalo. Este trozo es estacionario. Luego selecciono las variables de entrada significativas en relación con la salida y obtengo de 3 a 5 columnas que, entiendo, tienen el alfa requerido que me permite tener ventaja sobre otros participantes del mercado. Y ahora lo más importante.... De qué iba toda esta discusión. En cuanto añada una fila más a la tabla de datos para el entrenamiento, el conjunto de columnas cambiará drásticamente, es decir, alfa se desplazará a otro conjunto de columnas. Quizá no inmediatamente, pero sí después de añadir más de una fila. ¡¡¡¡Es decir, las señales TS!!!! Alfa es precisamente el mismo patrón en su forma más pura que es mínima y suficiente para la función objetivo. Pero este patrón no es evidente, es decir, verlo a simple vista es muy difícil. Es en este punto donde la IA interviene y hace su trabajo.
Y ahora imagina como alfa puede rebotar en todo el campo de datos, que descargo, si rara vez se contiene en más de cinco entradas, y el campo total de 110 entradas. En otras palabras, con cada nuevo corte obtengo un conjunto de predictores completamente diferente. Y cómo quieres seguirle el ritmo, e incluso a una distancia de un AÑO!!!!!!! si está aquí durante semanas, difícilmente podrás cogerlo adecuadamente....... Pero tienes toda la razón, hay un grial, pero cada uno tiene el suyo, y para conservarlo hay que hacer un par de esfuerzos considerables.......
Y de nuevo refiriéndonos a los teóricos de las cuentas demo, así es como se hace.......
He trabajado con la teoría y he hecho algunas pruebas con ella. Las pruebas mostraron buenos resultados. Los modelos se entrenan UPU con el robot está cargado. Observe mi señal esta semana y verá inmediatamente lo que valen mis suposiciones.
No veo cuál es el problema, agrupas las barras (para compararlas de forma fiable), construyes estadísticas de repeticiones de cualquier elemento, puedes empezar por el más común. A continuación, construya las estadísticas de las repeticiones en pareja con otro elemento (mejor el segundo de las estadísticas, aunque todavía hay que comprobarlo todo), seleccione la estadística máxima, ponga el segundo punto en el gráfico, y así sucesivamente. En cuanto el gráfico muestra una inflexión, ésta es la longitud óptima para esta palabra. Y de esta manera compruebas todas las letras.
Obtenga un conjunto de palabras, de las cuales ya estará armando oraciones, aquí ya se puede aplicar a las palabras del TC pero primero se debe asignar la codificación de las palabras por cercanía entre sí, aunque con esta cope y el TC, también hay avtoencoders en el final. En resumen, en esta etapa hay libertad para la imaginación.
¿Alguien puede comprobar el indicador de incremento? Por alguna razón hay agujeros en la representación en los TFs bajos, y no sólo eso, si se rebobina... la ventana del indicador se queda en blanco. ¿O es sólo el momento de reinstalar el terminal
esto es más correcto
doble pr2 = (pr!=0?log(pr):0);
Es una pena que los autores del artículo hayan tomado como ejemplo los precios artificiales en lugar de los del petróleo. Los resultados son para condiciones ideales, y no está claro si serían aplicables al comercio real.
Hecho a propósito para cubrir la variedad teórica de precios y nombrar explícitamente esta variedad.