L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 676
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
Non, Maxim - je pense que vous n'avez utilisé qu'un seul type d'entrée - les incréments sur les minutes. C'est bien ça ? Et vous devez en essayer plusieurs !
Et travailler exclusivement avec un seul produit logiciel, ce qui est très important.
Ensuite, si vous n'êtes pas trop paresseux, résumez les résultats des expériences dans un tableau avec les données spécifiques du modèle et du produit logiciel et publiez-le à nouveau - pour mémoire et réflexion.Différents indicateurs, oscillateurs, autres paires de devises, décomposition des cotations par fréquence, incréments, modèles AR, VAR
Graphique des actions et résultats des transactions précédentes
bien, il est clair que c'est un niveau amateur et que vous ne pouvez pas tout essayerDivers indicateurs, oscillateurs, autres paires de devises, décomposition des cotations par fréquence, incréments, modèles AR, VAR
Graphique des fonds propres et résultats des transactions précédentes
Tout cela dans un programme spécifique ? Laquelle ?
Vous voyez, le fil est devenu trop flou, je ne sais pas comment le dire. Vous avez besoin d'une sorte de résumé - un tableau récapitulatif général des résultats des prédictions. Je n'ai pas vu ça. C'est pourquoi je considère qu'une branche est incomplète, mais qu'elle a perdu son sens originel.
Et tout cela dans un programme particulier ? Laquelle ?
Dans MQL5 :)
le paquet alglib est intégré, il y a un NS
bibliothèque, droit
dans MQL5 :)
le paquet alglib est intégré, il y a un NS
la bibliothèque, plus précisément.
Pouvez-vous dire avec certitude, par exemple, que ce paquet a fait les meilleures/mauvaises prédictions avec de telles données d'entrée ?
Pour que les gens, dans le futur, n'y touchent pas ? Pour résumer ?
Tu vois, le fil est trop flou, je ne sais pas comment le dire. Vous avez besoin d'une sorte de résumé - un tableau récapitulatif général des résultats des prévisions. Je n'ai pas vu ça. Je considère donc que la branche est incomplète, mais qu'elle a perdu son sens originel.
Commencez donc un nouveau fil de discussion, et si le sujet vous intéresse, les gens le consulteront. Avec la théorie et la pratique ont déjà une expérience).
Pouvez-vous dire avec certitude que, par exemple, ce paquet a montré les meilleures/mauvaises prédictions avec de telles données d'entrée ?
Pour que les gens, dans le futur, n'y touchent pas ? Eh bien, pour résumer, en quelque sorte ?
Je ne peux rien dire de mal sur le paquet, tout fonctionne, aucun bug détecté.
Je n'ai pas à me plaindre des bibliothèques, j'ai à me plaindre de moi-même ou de l'approche en général.
alors laissez-les venir avec leurs propres idées :)
le principal problème de tous les NS ici est le sur-apprentissage.
le principal problème de toutes les SN décrites ici est le surentraînement
Plutôt, que le résultat de l'apprentissage est proche de 50/50
le principal problème de tous les NSs ici est le surentraînement
Quel était le nombre maximum de neurones utilisés dans votre NS ? Quelles étaient les structures de la SN ?
En gros, en ce qui me concerne, le sujet peut être considéré comme épuisé.
Vive les distributions et leurs queues !!!!! :)))))))))))))))
Il est plus probable que le résultat d'apprentissage soit proche de 50/50.
Eh bien, c'est quand c'est vraiment mauvais ))))