L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2314

 

Le 2ème livre de Lopez De Prado est sorti, j'ai aimé le premier. Le second promet d'être tout aussi intéressant

 
Vladimir Perervenko:

Comment avez-vous réussi à le faire ?

Quelle est la dimension de la sortie ?

Lors de la prévision du réseau, je sors les états des poids dans les couches, les couches sous forme de matrices, je fais un jeu de données à partir des matrices et je l'envoie à "youmap". La sortie est en 2 dimensions.

réseaux du paquet "neuralnet
 
mytarmailS:

lors de la prévision d'un réseau, je sors les états des poids dans les couches, les couches comme matrices, à partir des matrices je fais un ensemble de données et dans un "youmap". La sortie est en 2 dimensions.

réseaux du paquet "neuralnet

Je vois. Quelle est l'idée ?

Il est judicieux de diviser les données de formation en parties et d'utiliser des parties non intersectées lors de la formation de chaque couche du réseau neuronal. (Je ne l'ai pas essayé, mais ils prétendent que c'est utile.

Bonne chance

 
Vladimir Perervenko:

Je vois. Quelle est l'idée ?

Il est judicieux de diviser les données de formation en plusieurs parties et d'utiliser les parties qui ne se chevauchent pas pour former chaque couche du réseau neuronal. (Je ne l'ai pas essayé, mais ils prétendent que c'est utile.

Bonne chance

Mon idée était la suivante

1) Entraînez le réseau neuronal dans certaines actions, par exemple bye/seat.

2) le réseau sur de nouvelles données fera beaucoup d'erreurs

3) Je voulais regrouper les modèles dans les couches du réseau pour voir si je pouvais distinguer les mauvaises décisions du réseau des bonnes en observant les modèles qui se produisent dans le réseau pendant le traitement du signal...

=========

Vladimir, savez-vous s'il existe un paquet dans R-ka, où je peux interagir avec les graphiques, par exemple, je peux sélectionner une zone sur un graphique avec ma souris et obtenir les paramètres de la zone sélectionnée dans le code.

 
Un réseau neuronal apprend à négocier sur le marché réel.
Il s'agit d'un petit compte réel sur BitMEX.
Le robot entre sur les signaux neuronaux publics et se ferme tout seul, de manière entièrement automatique.
Ne pas poser plus de 30% de la dépo.
***

Maintenant la version initiale la plus facile, pas d'arrêts, en attendant qu'elle soit épuisée ;))
 
Evgeny Dyuka:
Un réseau neuronal apprend à trader sur le marché réel.
Il s'agit d'un petit compte réel sur BitMEX.
Le bot entre sur les signaux des neurones publics et se ferme tout seul, de manière entièrement automatique.
Ne pas poser plus de 30% de la dépo.
***

Maintenant, l'initiale est la version la plus facile, pas d'arrêts, attendre quand il sera vendu))
Je ne sais pas où se trouve le lien pour surveiller le compte.
 
Evgeny Dyuka:
et où est passé le lien de surveillance du compte ???

Apparemment, le robot supprime les liens. A en juger par la vitesse.

 
Valeriy Yastremskiy:

Apparemment, le robot supprime les liens. A en juger par la vitesse.

Le robot l'aurait enlevé immédiatement, mais il est resté là pendant dix minutes.

Je sais qui est ce bot))

 

Nouvelles fonctionnalités de catbust

La prédiction de l'incertitude est intéressante, similaire à l'apprentissage actif sur lequel j'ai écrit un article.


 
Mais ils l'expliquent de telle manière qu'il est plus facile de demander aux Napoléons de l'asile...