L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2619

 
Fast235 #:

est-ce qu'il y a un endroit où j'ai essayé de vous pirater ?

Regardez dans vos messages dans ce fil, si les modérateurs ne l'ont pas nettoyé.
 
mytarmailS #:

Essayez-le, vous pouvez certainement vous rapprocher des indicateurs, mais la logique discrète avec des écarts de temps n'est pas réaliste à décrire avec une fenêtre coulissante, c'est un fait.

Le deuxième modèle qui apprend à négocier uniquement dans ces moments. Vous devez l'essayer, ce n'est pas clair à l'avance.
 
Maxim Dmitrievsky #:
Le second modèle, qui n'apprend à négocier qu'à ces moments-là. Vous devez l'essayer, ce n'est pas clair à l'avance.

tout est clair)

 
Fast235 #:

J'ai compris.)


Assumez la responsabilité de vos paroles et ne reculez pas.

 
mytarmailS #:

Ce n'est pas si simple...

Les stratégies rentables ne se négocient pas dans une fenêtre mobile, donc vous ne pouvez pas les simuler avec une MO parce que par standard les AMOs travaillent avec des données tabulaires, et les données tabulaires sont essentiellement un calcul de choses dans une fenêtre mobile...


Voici un exemple tiré du plafond : Appelons cela " Stratégie rentable " : Attendre la cassure du bas hebdomadaire, puis revenir en arrière et attendre une sorte de configuration de chandelier - entrer...

Comment pouvez-vous trouver un tel modèle dans le MO si vous avez des données en tableau, c'est-à-dire que vous cherchez les n dernières bougies, la réponse est rien.

Bien sûr, vous pouvez créer des traits pour cette "stratégie rentable" afin qu'elle fonctionne, mais vous devez connaître cette stratégie pour créer des traits pour elle et nous ne la connaissons pas...


Il n'y a que deux algorithmes qui peuvent résoudre ces problèmes, peut-être un seul... Mais il y en a un.

MO a un "+". Lorsque tous les indices donnent un achat, le MO se souvient de ce qui était correct dans cette situation lorsqu'il était vendeur. Purement des statistiques. Mais il y a aussi un "-". Idéalement, le fait de connaître le modèle rend les choses plus intéressantes. Pour reconnaître la taille du motif et le motif lui-même, vous avez besoin d'un réseau séparé. Ce qui dépasse immédiatement les capacités matérielles et logicielles (mémoire) de la MT et rendra la formation irréalisable en termes de temps. Et l'utilisation de logiciels tiers dans le marché est inacceptable, nous devons donc trouver un compromis. Si nous prenons une période plus longue et moins de barres, l'image perd son caractère unique. Si nous prenons une petite TF et de nombreuses barres, l'inertie de la tendance principale est perdue. Je préfère ne pas utiliser du tout d'indicateurs en NS - cela ralentit le temps de réaction et conduit à des stéréotypes.

 
Dmytryi Voitukhov #:

MO a un '+'. Lorsque tous les indices donnent un achat, le MO se souvient de ce qui était correct dans cette situation lorsqu'il était vendeur. Purement des statistiques. Mais il y a aussi un "-". Idéalement, le fait de connaître le modèle rend les choses plus intéressantes. Pour reconnaître la taille du motif et le motif lui-même, vous avez besoin d'un réseau séparé. Ce qui dépasse immédiatement les capacités matérielles et logicielles (mémoire) de la MT et rendra la formation irréalisable en termes de temps. Et l'utilisation de logiciels tiers dans le marché est inacceptable, nous devons donc trouver un compromis. Si nous prenons une période plus longue et moins de barres, l'image perd son caractère unique. Si nous prenons une petite TF et de nombreuses barres, l'inertie de la tendance principale est perdue. Je préfère ne pas utiliser du tout d'indicateurs en NS - cela ralentit le temps de réaction et conduit à des stéréotypes.

Vous parlez de quelque chose de différent...
 

Mon concept... c'est difficile à saisir, les entrailles elles-mêmes, trop bien adaptées.

Il faut lire les articles sur le Prado de l'autre jour ; je veux un CT sur le MO !

 
GitHub - fernandodelacalle/adv-financial-ml-marcos-exercises: Exercises of the book: Advances in Financial Machine Learning by Marcos Lopez de Prado
GitHub - fernandodelacalle/adv-financial-ml-marcos-exercises: Exercises of the book: Advances in Financial Machine Learning by Marcos Lopez de Prado
  • fernandodelacalle
  • github.com
My solutions to the exercises of the book. All the code of the src/snippets folder is taken from the book Python 3.6 and libraries of requirements.txt A dokerfile is also provided.
 
Maxim Dmitrievsky #:

Mon concept... c'est difficile à saisir, les entrailles elles-mêmes, trop bien adaptées.

Il faut lire les articles sur le Prado de l'autre jour ; on veut un CT sur le MO !

Je pense que vous devez d'abord comprendre la faiblesse de la fenêtre coulissante pour le marché, puis attendre combien vous pouvez regarder les signes et que le serveur doit au moins compter quelque chose...
 
mytarmailS #:
Je pense que vous devez d'abord comprendre les défauts de l'utilisation de la fenêtre coulissante pour le marché, et ensuite vous avez besoin d'un serveur pour calculer quelque chose.
Qu'y a-t-il à compter ? 200 modèles en 5 minutes sur un Mac, c'est comme Intel 9.
Je suis conscient des défauts, mais j'aimerais avoir un générateur MoD.