L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 128
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Mi sono imbattuto in un blog e ho quasi pianto, l'uomo stava facendo quasi la stessa idea che avevo pensato una volta e deciso di attuare, ed è stata questa idea che ho iniziato a imparare la programmazione circa un anno fa
https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/
E pensavo che la mia idea fosse unica))) gioventù, ingenuità... Naturalmente, non ho usato DTW, perché non l'ho capito al momento
Se prendiamo due serie temporali: variabile target e predictor. Abbiamo alcune "distanze". Se la distanza è piccola (cosa vuol dire "piccola"), allora il potere predittivo è alto? Un tale predittore ha più valore rispetto ad altri che hanno questa distanza maggiore?
È questo il caso?
Se prendiamo due serie temporali: la variabile obiettivo e il predittore. Prendi delle "distanze". Se la distanza è piccola (cosa vuol dire "piccola"), allora il potere predittivo è alto? Un tale predittore ha più valore rispetto ad altri che hanno questa distanza maggiore?
È questo il caso?
L'ho letto tre volte, non lo capisco ((
1) Sembra che questo non sia puramente MO, è come un miglioramento di qualche TS esistente, che ha segnali per entrare, e solo su questi input entriamo e questi input analizziamo il MO, giusto?
2) Quando c'è un profitto chiudiamo il trade. Quando il trade è in perdita manteniamo la posizione, perché dovremmo farlo?
3) Quando comprare, quando vendere?
4) Sono un buon giudice, sono così), ma non capisco bene quello che hai scritto, forse puoi mostrarmi una foto o un flyschart...
1. 1. La rete genera il segnale.
2. Non capisco niente, abbiamo un paese libero. Se lo vuoi, chiudilo, se non lo vuoi, non chiuderlo. SL è nel sistema, può essere o non essere - anche il tuo diritto.
3. come faccio a saperlo? Chiedi alla griglia che stai allenando.
4. Forse hai bisogno di leggere la quarta volta, forse diventerà più chiaro.
Mi sono imbattuto in un blog e ho quasi pianto, l'uomo stava facendo quasi la stessa idea che avevo pensato una volta e deciso di attuare, ed è stata questa idea che ho iniziato a imparare la programmazione circa un anno fa
https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/
E pensavo che la mia idea fosse unica))) gioventù, ingenuità... Non ho usato DTW, perché non ne avevo idea al momento
1. Il segnale è generato dalla rete.
2. Nessuna, è un paese libero. Se lo vuoi, chiudilo, se non lo vuoi, non chiuderlo. SL è nel sistema, può essere o non essere - anche il tuo diritto.
3. come faccio a saperlo? Chiedi alla griglia che stai allenando.
4. Forse hai bisogno di leggere la quarta volta, forse diventerà più chiaro.
1) Il tuo intero algoritmo è quello di creare una sorta di funzione obiettivo "morbida" per la rete neurale, giusto?
ma già al primo passo di questo algoritmo dovremmo ricevere dei segnali dalla rete neurale, segnali che sono ricevuti dalla rete neurale di addestramento dalla funzione target, dalla funzione target che non abbiamo ancora creato perché siamo solo al passo 1.
il mio cervello sta esplodendo...
non è affatto così, quale predittore, quale obiettivo, non esiste... È solo una blanda ricerca in BP di aree che sono simili all'ultima situazione attuale, tutto qui...
Due serie temporali
Ecco il riferimento
Dettagli La funzione esegue il Dynamic Time Warp (DTW) e calcola l'allineamento ottimale tra due serie temporali x e y, date come vettori numerici. L'allineamento "ottimale" minimizza la somma delle distanze tra gli elementi allineati. Le lunghezze di x e y possono essere diverse. La distanza locale tra gli elementi di x (query) e y (riferimento) può essere calcolata in uno dei seguenti modi:
Notate il parametrostep.pattern=symmetric2,
Questo viene dalla documentazione del pacchetto.
1) Il tuo intero algoritmo è quello di creare una sorta di funzione obiettivo "morbida" per la rete neurale, giusto?
Ma già al primo passo di questo algoritmo dovremmo ricevere dei segnali dalla rete neurale, segnali che provengono dall'addestramento della rete neurale dalla funzione target, dalla funzione target che non abbiamo ancora creato perché siamo solo al passo 1.
il mio cervello sta esplodendo...
Due file di tempo.
Beh, sì, due file, per misurare la vicinanza tra due file servono due file,
Due serie (nel nostro caso) significa due parti della stessa serie (prezzi).
l'unica differenza è che le righe che metti in dtw possono essere di dimensioni diverse, e questo è molto bello per noi.
1) Il tuo intero algoritmo è quello di creare una sorta di funzione obiettivo "morbida" per la rete neurale, giusto?
Ma già nel primo passo di questo algoritmo dovremmo ricevere alcuni segnali dalla rete neurale, segnali che provengono dall'addestramento della rete neurale dalla funzione target, dalla funzione target che non abbiamo ancora creato perché siamo solo al passo 1.
il mio cervello sta esplodendo...
Le persone qui sono così. Sono "morbidi". Non dicono alcun dettaglio. E a cosa serve? Vivono la loro prugna?
Qui ho spiegato chiaramente quello che faccio:
In dettaglio: sulla barra corrente il segnale di acquisto, come compriamo, contiamo indietro il minor numero di barre avanti nel futuro e controlliamo - se l'affare sarà redditizio, se sì - come chiudiamo, se no - contiamo avanti di una barra in più e controlliamo di nuovo. E in questo modo raggiungiamo il numero massimo di barre e le chiudiamo definitivamente. Questo è un meccanismo di apprendimento.
Cosa non è chiaro? Non è una fantasia, è esattamente quello che faccio adesso. La funzione obiettivo è la massimizzazione dei profitti con drawdown minimi. Mi alleno usando la mia genetica.
Ci sono persone simili qui. Sono "morbidi". Non parlano di dettagli. Ma a cosa serve? Vivono la loro prugna?