L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 380
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
e le previsioni saranno "Urrà!".
A proposito, si dice che "SI" è una buona previsione finché la volatilità è bassa.
Come posso vedere il codice?
Posso vedere il codice?
Seguite il link della pagina precedente.
Non capisco niente.
C'è un grafico di strategia e un grafico di acquisto e mantenimento. Dov'è ilgrafico EURUSD?
Non capisco niente.
C'è un grafico di strategia e un grafico di acquisto e mantenimento. Dov'è il graficoEURUSD?
Scusate, sono andato al post successivo e ho trovato il seguente grafico.
Roba molto interessante.
Quello che manca sono i test che giustificano l'applicabilità delle funzioni pertinenti.
Non so come metterlo in mql, ma è troppo complicato. Ho comprato un libro di testo universitario con garch dentro e ora lo sto leggendo).
Il Ministero della Difesa è sempre un modello pronto e significativo. A volte è così significativo che non sai nemmeno come funziona. Ecco un articolo sul gradient boosting per esempiohttps://habrahabr.ru/company/ods/blog/327250/ C'è un articolo, ci sono descrizioni e formule, ma non sono riuscito a realizzare il mio desiderio di trasferirlo in mql, è troppo complicato.
Il problema è leggermente diverso, non nella sua significatività, ma nella sua stretta specializzazione.
Arima e Garch lavorano direttamente con i prezzi senza indicatori e TA. Hanno un algoritmo incorporato per trasformare una serie di prezzi in un vettore stazionario, e ci sono anche sottigliezze come la correzione delle previsioni a seconda degli errori precedenti (componente MA). Ma allo stesso tempo sono inutili per altri dati (non di prezzo), questi modelli non possono classificare le immagini per esempio.
Se passiamo una serie temporale di prezzi alla rete neurale per l'addestramento, essa non cercherà l'autocorrelazione, le componenti stagionali e di tendenza del prezzo - la rete neurale non è in grado di farlo. Ricorderà semplicemente ciò che gli è stato dato, e per i nuovi dati nel test o nel trading reale, "ricorderà" vettori di prezzo simili dal passato, e farà trading come prima, ma nel Forex significa uno svantaggio.
Neuronka ha bisogno di aiuto nella previsione del prezzo - prima, trovare gli indicatori che, come Arima, possono rilevare l'autocorrelazione, la tendenza e la stagionalità, e trasferire i valori di questi indicatori al neuronka. Allora avrà almeno una piccola possibilità di essere paragonabile ad arima e garch.
Un'altra cosa importante è che arima fa previsioni basate sul tempo. Ricorda chiaramente l'ordine in cui i prezzi sono arrivati e usa una finestra scorrevole nella sua previsione prendendo gli ultimi prezzi e facendo previsioni basate su di essi. A differenza della neuronica, che lavora con tutta la tabella di allenamento in una volta sola senza alcuna idea dell'ordine in cui i prezzi sono arrivati.
Il Ministero della Difesa è sempre un modello pronto e significativo. A volte è così significativo che non sai nemmeno come funziona. Ecco un articolo sul gradient boosting per esempiohttps://habrahabr.ru/company/ods/blog/327250/ C'è un articolo, ci sono descrizioni e formule, ma il mio desiderio di trasferirlo in mql non sono riuscito a realizzarlo, è troppo complicato.
È un po' diverso, non nel senso, ma nella stretta specializzazione.
Arima, Garch - lavorano direttamente con i prezzi, senza indicatori e TA. A tal fine hanno un algoritmo incorporato per trasformare una serie di prezzi in un vettore stazionario, e ci sono anche sottigliezze come la correzione delle previsioni a seconda degli errori precedenti (componente MA). Ma allo stesso tempo sono inutili per altri dati (non di prezzo), questi modelli non possono classificare le immagini per esempio.
Se passiamo una serie temporale di prezzi alla rete neurale per l'addestramento, non cercherà l'autocorrelazione, le componenti stagionali e di tendenza del prezzo - la rete neurale non è in grado di farlo. Ricorderà semplicemente ciò che gli è stato dato, e per i nuovi dati nel test o nel trading reale, "ricorderà" vettori di prezzo simili del passato, e farà trading come prima, ma nel Forex significa uno svantaggio.
Neuronka dovrebbe essere aiutato nella previsione del prezzo - prima dovrebbe trovare gli indicatori che, come Arima, possono rilevare autocorrelazione, tendenza e stagionalità, e trasferire i valori di questi indicatori al neuronka. Allora avrà almeno una piccola possibilità di essere paragonabile ad arima e garch.
Un'altra cosa importante è che arima fa previsioni basate sul tempo. Ricorda chiaramente l'ordine in cui i prezzi sono arrivati e usa una finestra scorrevole nella sua previsione prendendo gli ultimi prezzi e facendo previsioni basate su di essi. Al contrario della neuronica che lavora con tutta la tabella di allenamento in una volta sola e non ha idea in che ordine sono arrivati i prezzi.
MO non è un modello finito significativo, è un processo :) e garch è un modello. Come si può anche solo paragonare :)
Sono ben consapevole di tutto quello che sta succedendo, stavo arrivando a una parvenza di garch prima ancora di sapere che esisteva. E cosa fa la neuronica. Sto costruendo il mio modello riflessivo da molto tempo ormai :) quanto tempo, circa 2 settimane. Tutti questi articoli sono per lo più spazzatura, comunque... per l'educazione generale, è interessante da leggere.
E a proposito, la complessità del sistema nel mercato del forex non caratterizza affatto la sua efficacia...Come si può anche solo paragonare :)
MO include sempre un qualche tipo di modello, e quasi sempre prende qualche modello funzionante e provato nel tempo. Per esempio la neuronica o il gradient boosting, sono stati investiti così tanti sforzi e tempo nella loro creazione (decenni di evoluzione degli algoritmi) che possono essere ancora più significativi di arima.
MO include sempre qualche tipo di modello, e quasi sempre prende qualche modello funzionante e collaudato nel tempo. Per esempio la neuronica o il gradient boosting, sono stati investiti così tanti sforzi e tempo nella loro creazione (decenni di evoluzione degli algoritmi) che possono essere ancora più significativi di arima.
Che modello è - regressione o classificazione :) Questo è tutto ciò che la neuronica può fare
Il Ministero della Difesa è sempre un modello pronto e significativo. A volte è così significativo che non sai nemmeno come funziona. Ecco un articolo sul gradient boosting per esempiohttps://habrahabr.ru/company/ods/blog/327250/ C'è un articolo, ci sono descrizioni e formule, ma il mio desiderio di trasferirlo in mql non ho potuto realizzare, è troppo complicato.
È un po' diverso, non nel senso, ma nella stretta specializzazione.
Arima, Garch - lavorano direttamente con i prezzi, senza indicatori e TA. A tal fine hanno un algoritmo incorporato per trasformare una serie di prezzi in un vettore stazionario, e ci sono anche sottigliezze come la correzione delle previsioni a seconda degli errori precedenti (componente MA). Ma allo stesso tempo sono inutili per altri dati (non di prezzo), questi modelli non possono classificare le immagini per esempio.
Se passiamo una serie temporale di prezzi alla rete neurale per l'addestramento, non cercherà l'autocorrelazione, le componenti stagionali e di tendenza del prezzo - la rete neurale non è in grado di farlo. Ricorderà semplicemente ciò che gli è stato dato, e per i nuovi dati nel test o nel trading reale, "ricorderà" vettori di prezzo simili del passato, e farà trading come prima, ma nel Forex significa uno svantaggio.
Neuronka ha bisogno di aiuto nella previsione del prezzo - prima, trovare gli indicatori che, come Arima, possono rilevare l'autocorrelazione, la tendenza e la stagionalità, e trasferire i valori di questi indicatori al neuronka. Allora avrà almeno una piccola possibilità di essere paragonabile ad arima e garch.
Un'altra cosa importante è che arima fa previsioni basate sul tempo. Ricorda chiaramente l'ordine in cui i prezzi sono arrivati e usa una finestra scorrevole nella sua previsione prendendo gli ultimi prezzi e facendo previsioni basate su di essi. A differenza della neuronica che lavora con tutta la tabella di allenamento in una volta sola e non ha idea in che ordine sono arrivati i prezzi.
+++