L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2732
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
Pas VOUS, mais VOUS.
Sans moi, fréquentez vos semblables.
Combien êtes-vous ?
Vous n'avez rien à dire sur la question que vous posez :
1) trouver quelque chose à redire
2) s'offusquer
3) s'énerver
RESUME : il faut faire attention à l'opération de "détriplement". D'une part, il n'est pas possible de s'en passer, d'autre part, trop d'informations nécessaires y meurent.
Pour simplifier, une tendance est l'illusion d'un débutant qui s'est enrichi grâce à l'histoire : il est entré ici et est sorti ici.
Cette illusion peut probablement être soutenue par le MDE, s'il est possible de trouver un prédicteur pour l'enseignant "tendance", et le modèle prendra en compte les valeurs voisines des signes. Cela me semble être un conte de fées.
De manière plus réaliste, il existe des statistiques qui indiquent que les marchés financiers ne sont PAS stationnaires. Il n'y a pas d'autre choix - nous allons modéliser des séries temporelles non stationnaires. Une tendance est le premier signe évident de non-stationnarité. Nous n'avons pas le choix, nous devons détendre la série temporelle. Étant donné que l'on prédit le signe de la barre suivante, et non sa valeur, la perte d'information n'est pas fatale.
En d'autres termes, une tendance est l'illusion d'un débutant qui s'est enrichi grâce à l'histoire : ici, je suis entré et ici, je suis sorti.
Cette illusion peut probablement être soutenue par le ME, s'il est possible de trouver un prédicteur pour l'enseignant "tendance", et si le modèle prend en compte les valeurs voisines des signes. Cela me semble être un conte de fées.
De manière plus réaliste, ce sont les statistiques qui disent que les marchés financiers ne sont PAS stationnaires. Il n'y a pas d'autre choix - nous allons modéliser des séries temporelles non stationnaires. Une tendance est le premier signe évident de non-stationnarité. Nous n'avons pas le choix, nous devons détendre la série temporelle. Étant donné que l'on prédit le signe de la barre suivante, et non sa valeur, la perte d'information n'est pas fatale.
(Je me souviens) J'espère qu'ils ne vous tireront pas dessus pour le lien dans CodeBase : https://www.mql5.com/ru/code/36558.
peut être utile pour prédire les signes - prédisez à votre guise :-) l'indicateur ne fait qu'afficher (et résumer) les signes "noir/blanc".
Lisez la charte et n'inventez rien
Lisez des textes plus significatifs que des dictionnaires succincts. Commencez par l'article original de Robert Engle datant de 1982.
Dans votre dictionnaire, il est bien sûr question de bruit blanc, qui est également gaussien - il est simplement appelé différemment (innovations).
Lisez des textes plus significatifs que certains dictionnaires succincts. Commencez par l'article original de Robert Engle de 1982.
Dans votre dictionnaire, bien sûr, il est également question de bruit blanc, qui est également gaussien - il est simplement appelé différemment (innovations).
Il s'avère que vos connaissances ne sont pas nulles.
Prenons donc un paquet, par exemple, rugarch, et discutons de la modélisation dans ses termes, qui couvrent toutes les nuances des séries non stationnaires.
Il s'avère que vos connaissances ne sont pas nulles.
Prenons donc un package, par exemple rugarch, et discutons de la modélisation dans ses termes, qui couvrent toutes les nuances des séries non stationnaires.
Le progiciel est très bon, c'est incontestable. Mais pour l'instant, je m'intéresse à un autre type de nonstationnarité, comme celle qui apparaît dans les problèmes de décomposition de Shiryaev. On parle souvent de stationnarité par morceaux.
Le progiciel est très bon, cela ne fait aucun doute. Mais pour l'instant, je m'intéresse à un autre type de non-stationnarité, comme celle qui apparaît dans les problèmes de décomposition de Shiryaev. On parle souvent de stationnarité par morceaux.
Tout gaspillage de modèles disponibles est appelé science, qui est un domaine très agité.
La longueur d'une série temporelle par morceaux est très probablement aussi une série non stationnaire, vous pouvez regarder le ZZ. Nous rencontrons les mêmes problèmes, mais vus de côté.
qui a prêché quelque chose comme ça ?
https://cs.stanford.edu/people/karpathy/convnetjs/demo/rldemo.html
qui a prêché une telle chose ?
https://cs.stanford.edu/people/karpathy/convnetjs/demo/rldemo.html
est-ce que ça marche ?
Nous allons commencer par quelque chose de plus simple : un agent en 2D qui a 9 yeux pointant vers des angles différents et chaque œil détecte 3 valeurs le long de sa direction (jusqu'à une certaine distance de visibilité maximale) : la distance par rapport à un mur, la distance par rapport à un objet vert ou la distance par rapport à un objet rouge. L'agent navigue en utilisant l'une des 5 actions qui lui font prendre des angles différents. Les objets rouges sont des pommes et l'agent est récompensé lorsqu'il les mange. Les objets verts sont des poisons et l'agent reçoit une récompense négative pour les avoir mangés. L'apprentissage prend quelques dizaines de minutes avec les paramètres actuels".
vous pouvez cliquer sur démarrer l'apprentissage... puis sur arrêter l'apprentissage...
le cafard est censé courir et préférer les points rouges, en évitant les points verts...
En réalité : après avoir arrêté l'apprentissage, il suit plus ou moins le dernier modèle de mouvement et ne fait pas la distinction entre le rouge et le vert. Ou alors j'ai un cafard exceptionnellement stupide :-)