L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3070
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
Je ne marchande pas. Vous m'avez demandé d'enseigner - donnez-moi les signes, j'enseignerai et je testerai. Si c'est bon, je vous donnerai le code source.
S'il y a des signes normaux, il ne peut y en avoir beaucoup. Je n'ai pas besoin d'ensembles de données contenant 6 000 signes, je n'ai pas le temps pour cela
Sinon, je ferai d'autres choses.
Je n'ai pas de signes sur une ligne - vous passerez plus de temps à les reproduire en python. Il est plus logique de tester l'efficacité de l'approche sur mes données et de décider ensuite d'implémenter ou non le code de calcul du prédicteur.
Si j'avais de très "bons" prédicteurs, par rapport à d'autres, je ne serais pas pressé de les rendre accessibles au public :) Vous pouvez le faire - prenez-moi un modèle avec un résultat acceptable et, à partir de là, sortez 20 prédicteurs par importance (selon l'une des façons de la définir) dans le modèle.
En outre, je suis également intéressé par l'efficacité de la méthode proposée sur les prédicteurs binaires - qui sont des segments quantiques de prédicteurs, et cette technologie n'est pas si rapide à reproduire, de sorte qu'un tableau serait préférable - mais ici, je suis intéressé par le résultat avec un grand volume de prédicteurs.
Si quelque chose s'avère intéressant, nous pourrons alors consacrer du temps et des efforts à la logique du calcul des prédicteurs et à leur mise en œuvre.
Je n'ai pas de fonctionnalités en une ligne - vous passerez plus de temps à les reproduire en python. Il est plus logique de tester l'efficacité de l'approche sur mes données et de décider ensuite d'implémenter ou non le code de calcul des prédicteurs.
Si j'avais de très "bons" prédicteurs, par rapport à d'autres, je ne serais pas pressé de les rendre accessibles au public :) Vous pouvez le faire - prenez-moi un modèle avec un résultat acceptable et, à partir de là, retirez 20 prédicteurs par importance (selon l'une des façons de la définir) dans le modèle.
Par ailleurs, je suis également intéressé par l'efficacité de la méthode proposée sur les prédicteurs binaires - qui sont des segments quantiques de prédicteurs, et cette technologie n'est pas si rapide à reproduire, de sorte qu'un tableau serait préférable - mais ici, je suis intéressé par le résultat avec un grand volume de prédicteurs.
Si quelque chose s'avère intéressant, nous pourrons alors consacrer du temps et des efforts à la logique du calcul des prédicteurs et à leur mise en œuvre.
C'est très guindé. Donnez 10 à 20 exemples de vos propres calculs de caractéristiques. Vous pouvez en avoir un avec différentes périodes. Sur les formules d'entrée pour le calcul des signes.
Un grand nombre de traits binaires ne sera pas pris en compte.
Quelques résultats parmi les meilleurs de ces 3 000 modèles :
on a l'impression de trouver les mêmes "modèles", même avec un échantillonnage différent d'étiquettes. Tous les graphiques sont similaires. Eh bien, sur d'autres puces, il y aura d'autres images.
En outre, je m'intéresse également à l'efficacité de la méthode proposée sur les prédicteurs binaires - qui sont des segments quantiques des prédicteurs,
S'agit-il de diviser la fiche en 16 quanta (par exemple), puis de diviser par 16 fiches avec 0 et 1 ?
Où 1 correspond à la valeur de la puce primaire dans le quantum requis, et 0 dans n'importe quel autre quantum ?
S'agit-il de diviser une fiche en 16 quanta (par exemple) et de la diviser ensuite en 16 fiches avec 0 et 1 ?
Où 1 correspond à la valeur de l'élément primaire dans le quantum requis, et 0 dans tout autre quantum ?
L'idée est de sélectionner quelques segments parmi les 16 qui ont un potentiel. En ce qui concerne le codage, oui, c'est ainsi que les choses se passent.
Maxim Dmitrievsky #:
OOS À GAUCHE DE LA LIGNE POINTILLÉE
Très guindé. Donnez 10 à 20 exemples de vos propres calculs de caractéristiques. Vous pouvez en avoir un avec différentes périodes. Les données d'entrée sont les formules de calcul des caractères.
Je ne prendrai pas en compte un grand nombre de signes binaires.
Certains des meilleurs résultats de ces 3 000 modèles :
il semble que les mêmes "modèles" soient trouvés même avec un échantillonnage de balises différent. Tous les graphiques sont similaires. Sur d'autres puces, il y aura d'autres images.
Essayez les indicateurs - il existe une bibliothèque pour python.
Comment l'OOS (données d'entrée) a-t-il été constitué ?
de manière classique, un ensemble d'attributs aux prix de clôture
Essayez les indicateurs - il existe une bibliothèque ta pour python.
Quels sont les vôtres ? vous perdez votre temps)
L'idée est de sélectionner quelques segments parmi les 16 qui ont un potentiel. En ce qui concerne le codage, oui, c'est exact.
Vous pouvez donc diviser une caractéristique en 16 quanta, les numéroter et les marquer comme catégoriques. L'arbre vérifiera de la même manière chaque catégorie/quantité (==0 ou ==1 ou ==2 ....). Vous pouvez également regrouper les quanta inintéressants dans une seule catégorie.
Le résultat sera de 1 sur 1, ou presque, au détriment du quantum inintéressant, car il se peut que l'arbre le choisisse comme étant le meilleur.
Côté positif, une seule puce, des calculs plus rapides. La taille des fichiers et la consommation de mémoire seront considérablement réduites.
15 ans de OOS
L'approche s'est révélée curieuse, mais tout de même sensible aux caractéristiques. Cela ne fonctionne tout simplement pas de cette manière avec les personnes qui reviennent.