L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1608
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
rebondissant à travers les signaux du chariot ? )
comme une option oui, à travers quelques itérations
- Pas besoin de chercher des solutions sophistiquées, tout est simple, j'ai obtenu le premier résultat avec une seule couche Séquentiel
- la prédiction est basée sur l'opinion combinée de 20 modèles
Je pense que l'un des deux est redondant ici...
- pas besoin de chercher des solutions compliquées et inventées, c'est simple, j'ai obtenu mon premier résultat sur une seule couche Séquentielle
- la prédiction est faite à partir de l'opinion combinée de 20 modèles.
l'un des deux semble être redondant ici...
1. pourquoi un ensemble de modèles ? qu'est-ce qui les distingue ? est-ce la longueur du futur ou les caractéristiques ?
ou existe-t-il un autre réseau hiérarchiquement supérieur qui sélectionne le réseau de l'ensemble à écouter ?
2. Si tout fonctionne bien, pourquoi le public ? Qu'est-ce qui vous empêche de gagner de l'argent vous-même ?
3. complètement chandeliers + indicateurs + quelque chose de plus délicat et qu'est-ce qui est plus délicat ? )
1. pourquoi un ensemble de modèles ? qu'est-ce qui les distingue ? est-ce la longueur du futur ou les caractéristiques ?
ou existe-t-il un autre réseau hiérarchiquement supérieur qui sélectionne le réseau de l'ensemble à écouter ?
2. Si tout fonctionne bien, pourquoi le public ? Qu'est-ce qui vous empêche de gagner de l'argent vous-même ?
3. complètement chandeliers + indicateurs + quelque chose de plus délicat et qu'est-ce qui est plus délicat ? )
2. dès que l'on commence à penser en termes de "gains", tout devient immédiatement ennuyeux et s'arrête, le cerveau passe aux cibles, aux stops, aux backtests, à la sélection des paramètres, alors qu'ici nous nous intéressons au sujet lui-même, à la partie recherche.
3. c'est le savoir-faire
1. pourquoi un ensemble de modèles ? qu'est-ce qui les distingue ? est-ce la longueur du futur ou les caractéristiques ?
ou existe-t-il un autre réseau hiérarchiquement supérieur qui sélectionne le réseau de l'ensemble à écouter ?
2. Si tout fonctionne bien, pourquoi le public ? Qu'est-ce qui vous empêche de gagner de l'argent vous-même ?
3. complètement chandeliers + indicateurs + quelque chose de plus délicat et qu'est-ce qui est plus délicat ? )
Je peux fournir des signaux neurologiques via sockets+json sans aucun filtre - tels quels, c'est-à-dire des prévisions toutes les minutes.
2. Je serai heureux d'externaliser le thème des transactions à la bourse.
Je peux fournir des signaux neurologiques via sockets+json sans aucun filtre - tels quels, c'est-à-dire des prévisions toutes les minutes.
Vous pouvez diffuser les transactions ici dans MQL aux "signaux".
Et chercher immédiatement des clients pour s'abonner... Je serai l'un des premiers à m'inscrire si je vois que ce n'est pas une machine à faire des moyennes à la con.
J'ai une question théorique
Nous avons une fonction cible sur laquelle nous allons approximer le modèle
nous avons des prédicteurs, que ce soit 1000 pcs.
La question est donc la suivante : si nous avons beaucoup de prédicteurs, pouvons-nous les diviser en parties égales, disons 100, et former 10 modèles.
Ensuite, les sorties de ces 10 modèles sont introduites dans le nouveau modèle comme prédicteurs. Sera-t-il l'équivalent d'un modèle entraîné initialement pour 1000 prédicteurs à la fois ?
Quelque chose me dit que non, mais j'aimerais entendre des avis.
J'ai une question théorique
Nous avons une fonction cible sur laquelle nous allons approximer le modèle
nous avons des prédicteurs, que ce soit 1000 pcs.
La question est donc la suivante : si nous avons beaucoup de prédicteurs, pouvons-nous les diviser en parties égales, disons 100, et former 10 modèles ?
Ensuite, les sorties de ces 10 modèles sont introduites dans le nouveau modèle comme prédicteurs. Sera-t-il l'équivalent d'un modèle entraîné initialement pour 1000 prédicteurs à la fois ?
Quelque chose me dit que ce n'est pas le cas, mais j'aimerais entendre quelques opinions.
c'est ce qu'on appelle l'empilement de modèles. Ce ne sera pas la même chose, mais pas nécessairement plus efficace. Je l'ai fait de cette façon, je n'ai pas vu d'amélioration.
Il existe une autre méthode appelée méta-formation. Vous entraînez le premier modèle à prédire les classes, puis vous obtenez les résultats et les introduisez dans le second modèle, sur les mêmes prédicteurs ou d'autres, qui autorise/refuse les échanges du premier modèle. 1 - négocier, 0 - ne pas négocier, en fonction de la qualité des premières prédictions du modèle, c'est-à-dire une sorte de filtre. Elle réduit fortement les erreurs sur les données d'apprentissage, mais pas autant sur les nouvelles données (si le modèle a une faible capacité de généralisation). Mais le méta-entraînement en soi est correct.
Vous pouvez entraîner le premier modèle sur certaines données et le méta-modèle sur d'autres données, sur les erreurs du premier modèle. Il peut y avoir différentes variantes. Je l'ai fait dans les deux sens, en général il y a une amélioration, mais c'est plus une mise au point, plutôt qu'un moyen d'obtenir un bon modèle qui fonctionnera en retour.
Vous pouvez googler Marcos Lopez De Prado "meta learning", juste sur le trading.