L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3304
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
L'article Lesmodèles de classification de la bibliothèque Scikit-learn et leur exportation vers ONNX a été publié
Voici une liste des modèles supportés, tirée du site lui-même
https://onnx.ai/sklearn-onnx/supported.html
Merci pour les exemples prêts à l'emploi dans l'article.
À l'époque, les courtiers ne collectaient pas encore les valeurs de tic-tac. Je l'ai fait moi-même. J'ai collecté de vrais ticks et je les ai stockés dans des fichiers en portions pendant environ 6 mois. Je les ai appliqués au testeur et j'ai obtenu une image complètement différente.
Vous avez de lachance d'avoir décidé de faire des affaires raisonnables une fois... maintenant les courtiers ne collectent plus les cotations de tiques, mais les prennent/fournissent de quelque part ; cela peut être lié aux mises à jour du serveur MT.
Parfois, on peut voir à l'œil nu - voici des ticks frais, et voici une connerie générale. Et même avec des minutes
en fait, les archives des vrais tics tels qu'ils étaient réellement, provenaient d'un DC particulier - une denrée très chère. (même en soulignant)
Je suis surpris que vous soyez surpris.
vous avez de lachance d'avoir décidé de faire une affaire sensée une fois...maintenant les courtiers ne collectent plus les cotations, mais les prennent/les fournissent d'ailleurs ; cela peut être lié aux mises à jour du serveur MT.
Parfois, on peut voir à l'œil nu - voici des ticks frais, et voici une connerie générale. Et même avec des minutes
en fait, les archives des vrais ticks tels qu'ils étaient réellement, provenaient d'un DC particulier - une denrée très chère. (même en soulignant)
Vous vous trompez. Chaque courtier collecte lui-même des ticks réels et sur le testeur du jour suivant, vous pouvez obtenir les ticks réels du jour précédent.
Et ce sont exactement ces ticks qui, après filtrage, sont transmis par le courtier à MT5. Vous pouvez le vérifier dans le mode "Chaque tick basé sur des ticks réels", ou le copier.
Un bon document sur la manière de réaliser correctement la représentation BP pour les réseaux neuronaux. Les FFT peuvent être supprimées, bien sûr. Et une comparaison plus poussée des différents modèles.
La différence fondamentale est que le prétraitement est intégré dans l'architecture du réseau. Mais il peut être effectué séparément.
La LSTM fume en arrière-plan, parce qu'elle ne prend pas en compte les variations inter-périodes.
Bousting se trouve également en bas du classement, d'après leurs tests.Un bon document sur la manière de réaliser correctement la représentation BP pour les réseaux neuronaux. Les FFT peuvent être supprimées, bien sûr. Et une comparaison plus poussée des différents modèles.
La différence fondamentale est que le prétraitement est intégré dans l'architecture du réseau. Mais il peut être effectué séparément.
La LSTM fume en arrière-plan, car elle ne prend pas en compte les variations inter-périodes.
Bousting se situe également dans le bas du classement, d'après leurs tests.Non, je comprends que plus on cherche (itérations), plus on a de chances de trouver quelque chose d'aléatoire qui ressemble à quelque chose qui n'est PAS aléatoire.....
Mais si nous avons trouvé une idée et que nous avons ensuite adapté les paramètres à cette idée en 10 itérations au lieu de 10000, peut-on considérer qu'il s'agit d'un modèle non entraîné ?
Après tout, l'expression"nous avons eu une idée" implique également un certain type de processus de réflexion (itérations).
Comment le modèle final sait-il s'il s'agit d'itérations du cerveau ou de l'ordinateur et s'il existe une différence entre les deux ?
La question s'est posée après avoir lu l'article de Prado
Il n'y a pas si longtemps, sur le forum, quelqu'un a donné le nom de l'effet (je ne l'ai pas encore trouvé), à cause duquel les séries proches de SB semblent avoir une période. Cet effet est associé à de nombreux moments honteux dans la science, lorsque par le biais de Fourier "trouvé" la périodicité dans les processus, et les radioamateurs à cause de cela sur le forum ne survivra jamais).
Comment prouver le contraire ?
A mon avis, il y a des événements liés au temps - les mêmes nouvelles. Je pense que si nous les divisons en trois sous-échantillons - attendu, pire, meilleur - et que nous prenons en compte le contexte, nous remarquerons un comportement similaire des acteurs du marché.
Une autre option est la saisonnalité des marchandises.
Après tout, l'expression"nous avons eu une idée" implique également un certain type de processus de réflexion (itérations).
Comment le modèle final sait-il s'il s'agit d'itérations du cerveau ou de l'ordinateur et s'il y a une différence entre les deux ?
La question s'est posée après avoir lu l'article de Prado
Le surapprentissage résulte de la mémorisation de phénomènes rares. Ces phénomènes sont isolés de manière purement statistique, car il n'existe pas de modèle décrivant la cause et l'effet.
Cela dit, une perte ne signifie pas toujours que le modèle est surentraîné.