L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 3271
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
NumPy semble avoir un algorithme différent de celui d'ALglib.
Le processeur de Maxim est deux fois plus rapide que le mien. Je ne me souviens pas s'il a donné les temps de calcul pour Algliba, je pense que non.
Comparez avec l'ancienne version d'Alglib. Je n'ai pas de données indiquant qu'il est devenu plus lent.
Le processeur de Maxim est deux fois plus rapide que le mien. Je ne me souviens pas s'il a donné des timings pour Algliba, je pense que non.
Les temps.
Forum sur le trading, les systèmes de trading automatisés et les tests de stratégies de trading.
Apprentissage automatique en trading : théorie, modèles, pratique et algo-trading.
Aleksey Vyazmikin, 2023.09.26 05:19 AM
C'est sur un vieux FX-8350
Forum sur le trading, les systèmes de trading automatisés et les tests de stratégies de trading.
Machine Learning in Trading : Theory, Models, Practice and Algorithm Trading (Apprentissage automatique en trading : théorie, modèles, pratique et trading algorithmique)
Aleksey Vyazmikin, 2023.09.26 05:37 AM
Pour les statistiques, voici mon résultat
Je dois noter que Python a une petite parallélisation lors de l'exécution du code - pendant une demi-seconde pour environ deux cœurs, le reste est compté sur un seul cœur.
Vous avez écrit vous-même que la version standard est plus lente que la version actuelle d'alglibov. J'ai l'ancien sous forme de code, mais pas le terminal.
Le source Alglib lui-même a été réécrit par MQ pour ses matrices. Je ne veux même pas discuter du CorrCoef standard, il y a des problèmes évidents.
Par exemple, il y a deux sources d'Alglib.
Horaires.
La source Alglib elle-même a été réécrite par MQ pour ses matrices. Je ne veux même pas discuter du CorrCoef standard, il y a des problèmes évidents.
En d'autres termes, il existe deux sources d'Alglib.
NumPy semble avoir un algorithme différent de celui d'AlgLib
Dans AlgLib, la documentation originale explique pourquoi il y a des différences, lesquelles et à quoi elles servent. Avec les régressions (j'étais surtout en train de creuser AlgLib), c'est assez original.
Encore une fois, tout se compare étrangement, comme on ne peut pas le faire. Construisez des graphiques de dépendances speed=f(dimensionality,special_matrix_properties) pour différentes bibliothèques/réalisations et regardez-les. Vous prenez des cas marginaux, tirés du plafond.
et là, vous ne regardez pas la valeur absolue, mais la symptomatologie et la présence d'un "plateau". À partir de là, vous choisissez un outil pour travailler avec des données spécifiques.
Le processeur de Maxim est deux fois plus rapide que le mien. Je ne me souviens pas s'il a donné des timings pour Algliba, je pense que non.
J'ai mt par virtualisation là, les tests ne seront pas très plausibles.
De plus, j'ai choisi de calculer quelque chose en python et de le transférer ensuite sur n'importe quelle plateforme. Par exemple, pour la cryptographie, vous n'avez pas du tout besoin de terminaux.
C'est du grand n'importe quoi en termes de vitesse.Encore une fois, c'est une façon étrange de comparer les choses, d'une manière qui n'est pas possible.
Je ne fais pas de comparaisons, je fournis un code que chacun peut mesurer dans son propre cas.
La longueur de la chaîne de 100 correspond à la longueur du motif. Vous n'avez probablement pas besoin de plus que cela.
La mémoire est limitée à 15 000 échantillons en raison de la taille quadratique de la matrice de corrélation. Plus il y a d'échantillons, mieux c'est. C'est pourquoi j'ai écrit un programme maison, qui permet d'avoir un million d'échantillons.
Je n'ai ni l'envie ni le temps de me consacrer à une comparaison objective. Je l'ai créé pour mes propres besoins et j'ai partagé le code de travail. Quiconque en a besoin le verra.