L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 293

 
Bonjour ! Pouvez-vous me dire, pour un réseau LSTM, sous quelle forme les paramètres d'entrée sont fournis. Il est entendu qu'il existe un système de commutation "à vanne".
 
Vasily Perepelkin:
Nous ne construisons pas un collisionneur de hadrons ici, il n'est pas nécessaire d'être un scientifique mathématique pour échanger.

Ecoutez, que faites-vous ici alors ?

Allez dans une branche où l'on étudie les machineries ou les stochastiques, tout y est simple et clair... Tu n'es ni le premier ni le deuxième à venir sur ce fil, tu n'as aucune connaissance, tu n'as rien à dire, alors je vais juste faire de la propagande en disant que les réseaux neuronaux sont diaboliques et ainsi de suite.... Je n'ai vu personne faire la propagande des filets à ceux qui étudient le mashki... Pourquoi vous dérangez-vous tous ici ? Personne ne vous a invité et personne ne vous dérange non plus...

 
Top2n:
Bonjour ! Pouvez-vous me dire, pour un réseau LSTM, sous quelle forme les paramètres d'entrée sont fournis. D'après ce que j'ai compris, il existe un système de "portes" de commutation.

Pour autant que je sache, vous introduisez un vecteur (tableau) de nombres dans l'entrée, vous comptez le résultat, puis vous introduisez le deuxième tableau de nombres, vous comptez le résultat, etc.
Il s'avère que lors du calcul du résultat, l'incroute passe par tous les neurones, et ces neurones restent dans un état altéré, comme s'ils se souvenaient de l'incroute précédente.

 

Je ne connais rien aux réseaux neuronaux, je vois des gens ici qui les expérimentent, mais je suis sûr qu'ils ont déjà travaillé avec des systèmes basés sur des indicateurs et d'autres visualisateurs de motifs.

La question est la suivante : quelqu'un a-t-il essayé d'utiliser un réseau neuronal pour tester l'efficacité d'un TS avec de nombreuses variables sur les résultats du TS - c'est-à-dire les résultats du rapport pour identifier les variables les plus significatives et l'efficacité de leur impact sur le TS ?

 
mytarmailS:

Ecoutez, que faites-vous ici alors ? Prêcheur...

Allez dans une branche où l'on étudie les mash-ups ou les stochastiques, tout y est simple et clair ... Tu n'es pas le premier ou le deuxième à venir sur ce fil, tu n'as aucune connaissance, tu n'as rien à dire, alors je vais juste faire de la propagande en disant que les réseaux neuronaux sont diaboliques et ainsi de suite.... Je n'ai vu personne faire la propagande des filets à ceux qui étudient le mashka... Pourquoi vous dérangez-vous tous ici ? Personne ne vous a invités et personne ne vous dérange non plus.

Je suis juste dégoûté de voir que les "scientifiques" ici confondent les gens, les démotivent avec leurs diplômes et le nombre d'éducations, tentant les participants de passer beaucoup de temps sur des systèmes de trading 100% non prometteurs. Le marché n'a pas besoin de réseaux neuronaux, ils existent depuis les années 80 et depuis cette époque ils sont appliqués sur les marchés par des mathématiciens de très haut niveau, personne n'a particulièrement excellé dans leur utilisation sur le marché, tout le monde s'accorde à dire que les systèmes simples basés sur des indicateurs sont beaucoup plus efficaces, certainement pas sur les habituels essuie-glaces et stochastiques, mais par exemple sur leJMA avec un bon money management.

Des réseaux neuronaux et des modèles complexes sont donnés en pâture aux marionnettes de "viande" pour les distraire du commerce pendant de nombreuses années et frustrer leurs capacités intellectuelles. En fait, les hedge funds cool utilisent JMA et je pense que Margindale le fait aussi, c'est pourquoi ils ont de si belles courbes de rendement. L'important est de trouver un système de trading qui réponde à vos besoins et de suivre strictement les règles de votre TS, le reste est mauvais.

 
mytarmailS:

1) J'ai eu une telle idée, mais je n'ai pas essayé. Vous devez décider ce qu'il faut envoyer au réseau et quel est le résultat (cible), nous pouvons banaliser par l'équité, si elle augmente - bon, si les chutes - mauvais, mais il ya des nuances

2) De nombreux paramètres sont mauvais.

Il me semble qu'il devrait y avoir deux couches (c'est ainsi qu'on l'appelle) - la première recherche la corrélation des indicateurs - la corrélation la plus élevée, et nous écartons les corrélations doubles ; la deuxième couche prend en compte les indicateurs restants et envoie des variables EA - et nous regardons leur influence sur les indicateurs sélectionnés. Nous nous efforçons d'obtenir plus de profits, moins de pertes, moins de drawdown et plus de bénéfices par transaction - pour cela, nous donnons la priorité au plus grand nombre de transactions.

Pour le deuxième jour, je m'assois et je fais une telle chose à la main, il y a 3 variables dans TS - et donc tout n'est pas sans ambiguïté :)

Au fait, si quelqu'un le sait, j'ai des séries indépendantes de nombres (indicateurs du résultat de l'optimisation), qui peuvent être divisées en sous-groupes, et je fais donc une normalisation des indicateurs dans chaque sous-groupe - la taille des sous-groupes est la même, mais si je fais une corrélation avant et après la normalisation, alors parfois il n'y a pas de corrélation là où elle était avant. Je vérifie la corrélation sur les séries de nombres entiers. Que signifie cet effet ? On suppose que la corrélation était fausse et que la normalisation l'a montré. Oui, je fais la normalisation en pourcentage de l'indice maximum du groupe - le but est de comparer des séries numériques entre elles.

 
Vasily Perepelkin:

Je suis juste dégoûté que des "scientifiques" sèment la confusion dans l'esprit des gens ici, les démotivent avec leurs diplômes et leur nombre d'études, tentant les participants de passer beaucoup de temps sur des systèmes de trading 100% non prometteurs. Le marché n'a pas besoin de réseaux neuronaux, ils existent depuis les années 80 et depuis cette époque ils sont appliqués sur les marchés par des mathématiciens de très haut niveau, personne n'a particulièrement excellé dans leur utilisation sur le marché, tout le monde s'accorde à dire que les systèmes simples basés sur des indicateurs sont beaucoup plus efficaces, certainement pas sur les habituels essuie-glaces et stochastiques, mais par exemple sur leJMA avec un bon money management.

Des réseaux neuronaux et des modèles complexes sont donnés en pâture aux marionnettes de "viande" pour les distraire du commerce pendant de nombreuses années et frustrer leurs capacités intellectuelles. En fait, les hedge funds cool utilisent JMA et je pense que Margindale le fait aussi, c'est pourquoi ils ont de si belles courbes de rendement. L'important est de trouver un système de trading qui réponde à vos besoins et de suivre strictement les règles de votre TS, tout le reste est mauvais.


Je comprends l'analyse Procluster, le delta et tout ce qui fait réellement bouger le marché, mais vous devez utiliser JMA, qui a été développé en 2006 environ et a été adopté par les gens et décidé par eux sur les pips et réaliser que JMA est un peu meilleur que BOM, juste un peu, mais avec MM risqué et peut conduire à un profit un jour dans 10 ans. Je ne pense pas que les hedge funds cool utilisent la JMA, mais plutôt les rapports SOT, l'analyse des volumes, les niveaux d'option, pas votre JMA, et si vous vous fiez aux indicateurs, alors je n'ai rien à vous dire, car vous ne comprenez vraiment pas ce qu'est le marché et qui sont ses participants........
 

Bonjour les amis ! Pouvez-vous m'indiquer la manière correcte de procéder en Python ?

Прежде чем мы перейдем к рассмотрению методов библиотек seaborn и plotly, обсудим самый простой и зачастую удобный способ визуализировать данные из pandas dataframe — это воспользоваться функцией plot.
Для примера построим график продаж видео игр в различных странах в зависимости от года.
Для начала отфильтруем только нужные нам столбцы, затем посчитаем суммарные продажи по годам и у получившегося dataframe вызовем функцию plot без параметров.

sales_df = df[[x for x in df.columns if 'Sales' in x] + ['Year_of_Release']]
sales_df.groupby('Year_of_Release').sum().plot()

Le problème est que les noms des colonnes sont composés de chiffres. Comment puis-je spécifier correctement les chiffres - syntaxe?

sales_df = df[[x for x in df.columns if 1 in x] + [2]]
sales_df.groupby(2).sum().plot()

Il émet une erreur et

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-75-494 b1527114a> in <module>()
----> 1 sales_df = df[[x for x in df.columns if 1 in x] + [2]]

TypeError: argument of type 'numpy.int64' is not iterable
 

Et les guillemets ? Le python est à un niveau "hello world", mais ça peut marcher.

sales_df = df[[x for x in df.columns if '1' in x] + ['2']]
sales_df.groupby('2').sum().plot()
 
Dr. Trader:

Et les guillemets ? Je connais Python au niveau de Hello World, mais peut-être que ça va marcher.

sales_df = df[[x for x in df.columns if '1' in x] + ['2']]
sales_df.groupby('2').sum().plot()

J'ai déjà tout essayé.