L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 435
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Et sur quel principe les NS simples (MLP simples) font-ils une prédiction ?
Il me semble que sur la corrélation habituelle - parce que le poids des connexions entre les neurones croît avec le nombre de répétitions du signal le long de cette ligne lorsque la réponse des SN coïncide, si la ligne était à + ou à - elle reste autour de 0 - et c'est essentiellement une simple moyenne. Ensuite, en utilisant ces poids, nous trouvons la similarité de la combinaison de prédicteurs en entrée avec la moyenne sur la période d'apprentissage.
Rapproche les f-ions
la seule option est de demander de l'aide au palefrenier) il vous apprendra comment un vrai homme doit commercer.... pas les modèles et la science sont importants, mais le courage et la force ... et vous avez besoin d'une vraie barbe tchétchène ... alors le marché ne résistera pas à un guerrier inflexible et plein de principes.....
règles de négociation de style khach..........
Le compagnon d'écurie est un homme misérable qui se prend pour un gourou et a décidé de vaincre le marché par sa psychologie. C'est le premier stade de l'ignorance, il y a beaucoup plus à venir...
Je luisouhaite bonne chance pour passer d'un noeud à quelque chose de plus capable.
Un cavalier est un homme misérable qui se prend pour un gourou et décide de vaincre le marché grâce à sa psychologie. C'est le premier stade de l'ignorance, il y a beaucoup plus à venir...
Je luisouhaite bonne chance pour évoluer d'un nubo à quelque chose de plus capable.
Mais il n'en reste pas moins votre professeur, il a écrit quelque part, donc il vous dit quelque chose d'utile si vous le payez.
Mais il reste votre professeur, il a écrit quelque part, donc il vous dit quelque chose d'utile, si vous le payez.
C'est une mauviette, il a dû en rêver, je vous ai déjà envoyé le texte... c'est un malade. Il pense qu'il m'apprend quelque chose.
Je ne lui ai pas donné d'argent, bien sûr. La racaille est restée collée à moi comme une feuille, et après ça, je l'ai juste banni.
C'est un f....t, il a dû le rêver, j'ai déjà posté sa correspondance... c'est un malade. Je suis malade, il pense qu'il m'apprend quelque chose.
Cela ressemble à une farce, à quelqu'un qui n'en a rien à faire, il est peu probable qu'il ait écrit sérieusement, pensez-y, qu'est-ce qu'un vrai "garçon d'écurie" peut bien faire ici ? Néanmoins, comme le dit le dicton, "le résidu reste" et vous êtes maintenant son disciple, associé au garçon d'écurie et à ses enseignements sur le courage et le commerce des adultes.
Cela ressemble à une farce, quelqu'un n'a pas la moindre idée, il est peu probable qu'il écrive sérieusement, pensez-y, qu'est-ce qu'un vrai marié ferait ici de toute façon ?
Je m'en fiche, il me fait perdre mon temps avec ses conneries ; demande-lui ce qu'il fait ici, ça ne m'intéresse pas.
Encore une fois : c'est mon ami, mon frère, mon beau-frère, mon professeur, je ne sais pas pourquoi cette ordure se prend pour mon professeur et m'insulte.
Si je comprends bien ce que vous voulez dire, je passe au crible tous les adjacents pendant 20 mesures après la variante que j'ai trouvée.
Non, c'est plus comme trouver un modèle, le diviser en parties et voir comment ces parties fonctionnent en tant que prédictions, puis passer en revue toutes les parties et voir l'erreur moyenne ... presque comme un réseau neuronal.
Ou bien, recherchez plusieurs modèles consécutifs et voyez comment tous ces modèles se sont déroulés. Si l'erreur moyenne est faible, nous pouvons faire confiance à la prédiction suivante.
Il y aura donc un facteur d'interaction d'un motif avec un autre, donc nous analysons quelque chose comme le contexte, c'est-à-dire dans quelles positions ces motifs sont les uns par rapport aux autres, en théorie cela devrait améliorer la qualité de la prédiction. D'autre part, comment puis-je séparer ces modèles, ils peuvent être représentés comme un seul grand modèle si la corrélation avec le graphique actuel est bonne...
C'est ce que j'ai fait, cela peut être utile, avec les pentes de régression... vous l'exécutez dans le visualiseur et il montre la prédiction. Le graphique rouge montre le graphique réel, le vert montre l'angle de pente modifié par lequel le modèle a été trouvé, puis la prévision est décalée vers le rouge.
La précision de la prévision peut être réglée plus bas et l'arrêt d'échelle également, sinon les cotations peuvent ne pas être suffisantes. Il construit un ensemble d'échéances avec un multiplicateur.
Parfois il prédit bien, parfois il le fait exploser).
Non, c'est plus comme trouver un modèle, le diviser en parties et voir comment ces parties fonctionnent en tant que prédictions, puis passer en revue toutes les parties et voir l'erreur moyenne ... presque comme un réseau neuronal.
Ou bien, recherchez plusieurs modèles consécutifs et voyez comment tous ces modèles se sont déroulés. Si l'erreur moyenne est faible, nous pouvons faire confiance à la prédiction suivante.
Il y aura donc un facteur d'interaction d'un motif avec un autre, donc nous analysons quelque chose comme le contexte, c'est-à-dire dans quelles positions ces motifs sont les uns par rapport aux autres, en théorie cela devrait améliorer la qualité de la prédiction. D'un autre côté, comment puis-je séparer ces modèles, ils peuvent être représentés comme un seul grand modèle si la corrélation avec le graphique actuel est bonne...
C'est ce que j'ai fait, cela peut être utile, avec les pentes de régression... dans le visualiseur, vous l'exécutez et il montre la prédiction. Le graphique rouge montre le graphique réel, le vert montre le graphique avec un angle de pente modifié, par lequel le modèle a été trouvé et ensuite la prévision est décalée vers le rouge.
La précision de la prévision peut être réglée plus bas et l'arrêt d'échelle également, sinon les cotations peuvent ne pas être suffisantes. Il construit un grand nombre d'horizons temporels avec un multiplicateur.
intéressant à voir, mais #include <MT4Orders.mqh> est manquant, et s'il est commenté, alors le tableau ScaleInvarianceMultiTF (EURUSD,M1) est hors de portée dans 'ScaleInvarianceMultiTF.mq5' (79,55)
https://www.mql5.com/ru/code/16006
Out of range - pas assez d'historique de cotation, mettez le stop d'échelle plus bas, 50 par exemple.
En d'autres termes, si vous prenez un modèle de 100 barres sur les minutes, alors pour construire tous les délais synthétiques, il faudra 100*50 barres de l'histoire, et il faudra 100*1440 là :)
https://www.mql5.com/ru/code/16006
Out of range - l'historique des cotations n'est pas suffisant, réglez le paramètre d'arrêt d'échelle plus bas, 50 par exemple.
Ainsi, si vous prenez un modèle de 100 barres sur un graphique en minutes, alors pour construire toutes les échelles de temps synthétiques il faudra 100*50 barres d'historique, et le total de 100*1440 points là :)
Cherche-t-il la meilleure variante ou fait-il une moyenne de plusieurs ? Apparemment, il trouve le meilleur. Je pense que je devrais chercher une prédiction moyenne pour 10 ou même 100 variantes (le nombre exact devrait être déterminé par l'optimiseur).