L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1714
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Même sans numérisation des données fondamentales, outre le prix, il y a les volumes, les intérêts ouverts, les niveaux de prix et de volume, les paramètres temporels - session, saison, etc... L'actualité, semble-t-il, est déjà numérisée...
Essayez de systématiser la numérisation et la logique de comptabilisation de ces données. Je ne comprends pas tout de suite) De ce qui est dans les chiffres, les indices boursiers, le revenu brut, le taux de la Banque centrale du pays, les chiffres bruts prévisionnels, les estimations des agences, les notations de crédit, les chiffres de l'industrie, le chiffre d'affaires du commerce entre les pays.... Et comment utilisez-vous cela ? L'analyse technique est une chanson à part... du fondamental.
cool, je vais vérifier...
Et c'est ce que font déjà les scientifiques .....
Partitionnement des séries par la méthode des composantes principales (ACP)
dans une fenêtre glissante de taille 10
il y a 8 composants
l'algorithme trie les composants entre ceux qui changent lentement et ceux qui changent rapidement, entre ceux qui sont significatifs et ceux qui sont faibles, et les trie.
La propriété la plus forte de la décomposition (toute Fourier, ondelette, pca) est l'additivité
c'est-à-dire que si j'additionne tous les composants pc1+pc2+...+pc8, je récupère le même prix.
Maintenant, pensez que si nous utilisons les mêmes indicateurs au lieu des composants et que nous les additionnons, qu'obtenons-nous ? Exactement ce que nous obtenons dans la sortie du réseau neuronal lorsque nous l'entraînons sur un stochastique).
Il est déjà possible d'utiliser des indicateurs au-dessus d'un composant, mais imaginez le nombre de fonctionnalités qui peuvent être générées par une telle décomposition.
Vous pouvez filtrer les données, trouver et extraire les éléments inutiles (mauvais composants).
Vous pouvez modifier les composants et les remettre en place ou les laisser seuls.
Vous pouvez faire en sorte que les composants aillent plus vite ou plus lentement, ou modifier leur amplitude.
Vous pouvez analyser chaque composant par rapport à l'autre, ou deux ou trois d'entre eux.
Vous pouvez prévoir les composants séparément pour les additionner dans la prévision totale (ils sont additifs).
Prédire un composant par rapport à un autre
Il est possible...
Vous pouvez...
Il est possible...
Peut...
Vous pouvez...
C'est ce que font les scientifiques quand ils veulent comprendre quelque chose.
Il s'agit simplement d'un réseau neuronal qui fonctionne sur le marché réel comme un indicateur et qui prédit bien le mouvement des actifs. De plus, j'ai un autre expérimental qui essaie de fournir des points d'entrée. Voici les quatre derniers signaux des 10 dernières heures, tous les signaux sont publics.
Bon travail ! !! Quelles nouvelles choses avez-vous ajoutées ?
Essayez de systématiser la numérisation et la logique de comptabilisation de ces données. Je ne comprends pas tout de suite) De ce qui est dans les chiffres, les indices boursiers, le revenu brut, le taux de la Banque centrale du pays, les chiffres bruts prévisionnels, les estimations des agences, les notations de crédit, les chiffres de l'industrie, le chiffre d'affaires du commerce entre les pays.... Et comment utilisez-vous cela ? L'analyse technique est une chanson à part... du fondamental.
Bon article sur Habra : Les réseaux neuronaux rêvent-ils d'argent électrique ?
Je ne vous conseille pas de le lire, j'ai gardé le lien pour moi.
La propriété forte de la décomposition (toute Fourier, ondelette, pca) est l'additivité
C'est une propriété de toute décomposition linéaire. Si vous ne pouvez pas récupérer le signal, c'est que la décomposition est mauvaise. Question de logique. Tout analogique peut être décomposé en ondes sinusoïdales. L'objectif ici est probablement différent. Isoler, séparer les mouvements de prix par des critères d'influences externes. Alors, ça a du sens. Et la possibilité d'une analyse plus significative du comportement des prix et des prévisions apparaît.
C'est une propriété de toute décomposition linéaire. Si vous ne pouvez pas récupérer le signal, c'est que la décomposition est mauvaise. C'est une question de logique. Tout analogue peut être décomposé en ondes sinusoïdales. L'objectif ici est probablement différent. Isoler, séparer les mouvements de prix par des critères d'influences externes. Alors, ça a du sens. Et la possibilité d'une analyse plus significative du comportement des prix et des prévisions apparaît.
Qu'est-ce que cela signifie ?
Tout d'abord, les données fondamentales numérisées deviennent immédiatement un objet d'analyse technique.
Nous avons des définitions différentes de technique et de fondamental. Fondamental = données réelles exprimées selon des critères socialement établis. Le bilan de Gasprom est une donnée fondamentale. Les ventes et les cotations des actions sont techniques. Pas convaincant, l'explication telle que je la comprends.
Que sait-il ?
Les mouvements de prix sont déterminés par de nombreux facteurs, isolez les principaux facteurs et reliez-les aux mouvements de prix en les décomposant. C'est d'ailleurs ce qui est fait dans l'ouvrage. D'après ce que j'ai compris, les mêmes types de changements de prix sont distingués et séparés au moyen de la sélection de leur décomposition. Si vous ne connaissez pas l'essence de ces facteurs, vous ne les comprendrez peut-être pas, mais le fait de savoir qu'il est possible de les déterminer et d'en tenir compte vous permet de mieux comprendre.
Bon travail ! !! Quelles nouvelles choses avez-vous ajoutées ?