L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1512
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
En fait, parfois j'envie Max Denisenko, sa position de dépendant, parfois on en a tellement marre au travail qu'on a des tics nerveux, on rentre à la maison à 3 heures du matin et on n'a pas de temps pour sa femme ou ses enfants, on se couche et on s'évanouit, et on se lève à nouveau à 8 heures et ainsi de suite en cercle....
Très bien, vous ne devez pas vous reproduire et vous ne devez pas encore avoir de femmes. Tu dois d'abord devenir un homme. Quand tu seras grand, tu n'auras plus besoin d'écrire des bêtises. Mais vous avez plus de chances de finir en prison ou dans un asile lorsque vous essayez de changer les choses par tous les moyens. Parce que c'est tellement évident dans votre cas. Et oui, ne vous créez pas encore d'idoles, sinon Sanych commence à en avoir assez des hoquets.
Comment appelle-t-on l'apprentissage simultané d'une grille sur plusieurs symboles, c'est-à-dire lorsque les mêmes paramètres (poids) d'une grille sont utilisés sur plusieurs symboles ?
J'appellerais cela "drawdown learning", ou "drawdown learning", pour l'importance, attendez un article sur "drawdown learning" par Pereverenko ou Denisenko, avec des OOP avancées (>5 profondeur d'héritage), 90% d'acuité et le même ratio (égal) de profit par rapport au drawdown dans le test, ou comme au bon vieux temps sans aucun test, tout sur Lern et avec martin, un pur exposant))).
J'appellerais cela "drawdown learning", ou "apprentissage du drawdown", pour l'importance, attendez un article sur "l'apprentissage du drawdown" par Pereverenko ou Denisenko, avec des OOP avancées (au moins 5 profondeurs d'héritage), 90% d'acuité et le même ratio (égal) de profit par rapport au drawdown dans le test, ou comme au bon vieux temps sans aucun test, tout sur Lern et avec martin, un pur exposant))).
mais le but ?
mais dans les affaires ?
Dans le monde des affaires, cela devrait généralement se passer comme suit : un "paquet" de BP prétraitées en quelque sorte à l'entrée, un vecteur de propriétés futures pour chaque BP à la sortie. Mais pour cela nous avons besoin de séries synchronisées, on ne peut pas les obtenir d'un centre de trading, on doit le faire soi-même, une légère désynchronisation donnera un graal de test, mais la vraie affaire échouera.
Qu'est-ce que l'apprentissage par maillage sur plusieurs symboles simultanément, c'est-à-dire lorsque les mêmes paramètres de maillage (poids) sont utilisés sur plusieurs symboles ?
Apprentissage par transfert mb
Apprentissage par transfert mb.
Je dois écrire un article sur"l'apprentissage du drawdown" tout de suite.
On parle d'apprentissage par transfert lorsque des neurones / couches sélectionnés (généralement les 1 ou 2 premières couches) formés sur un ensemble de données ou un algorithme sont utilisés dans une autre grille comme pièce de rechange, par exemple pour styliser des images.
Dans le monde des affaires, c'est généralement ce qui devrait se passer : un "paquet" de BP prétraitées d'une manière ou d'une autre et un vecteur de propriétés futures pour chaque BP à la sortie. Mais cela nécessite des rangées synchronisées, vous ne pouvez pas l'obtenir d'un DC, vous devez le construire vous-même, une légère désynchronisation et vous obtenez un graal de test, mais le vrai graal échouera.
Si je voulais utiliser des séries synchronisées, je n'aurais pas de problèmes avec cela, car je ne suis pas connecté aux TP, du moins je le suis.
Apprentissage par transfert mb.
le but de cette activité est d'identifier des motifs stables (ou quel que soit le nom que vous voulez leur donner), et ils sont stables parce qu'ils fonctionnent sur différentes BP, mes timides expériences dans ce domaine montrent que c'est possible en principe... et par conséquent, la robustesse augmente (en diminuant le degré d'ajustement).
Je dois écrire un article sur"l'apprentissage du drawdown" tout de suite.
On parle d'apprentissage par transfert lorsque des neurones / couches sélectionnés (généralement les 1 ou 2 premières couches) formés sur un ensemble de données ou un algorithme sont utilisés dans une autre grille comme pièce de rechange, par exemple pour la stylisation d'images.
pas de morveux lol