L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 515
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
I prezzi non vengono inseriti nel modello senza una sorta di conversione.
L'impalcatura per l'estrapolazione prende il valore noto più vicino. Neuronc o il righello nell'estrapolazione calcolerà qualcosa secondo le formule interne. Ma in realtà tutti questi modelli in questa situazione si fondono, quindi non c'è differenza.Lo fanno senza alcuna conversione, ma non è questo il punto.
La differenza è enorme nell'applicazione tecnica di questi o quei modelli. Non è questo che c'entra lo scarico, ancora una volta non è questo il punto.Fare tutto in MT non è conveniente. L'opzione migliore secondo me è Python per l'apprendimento e la sperimentazione e una DLL con il caricamento di un modello addestrato per la MT. Python ha una cosa così bella per gli esperimenti Jupiter notebook. Oltre all'esecuzione interattiva del codice in esso si possono tenere note, il che è utile per scrivere i pensieri su un argomento. Quindi dovete scegliere una libreria che possa funzionare in Python e C++. Python è facile da imparare.
Fare tutto in MT non è conveniente. L'opzione migliore secondo me è Python per l'apprendimento e la sperimentazione e una DLL con il modello addestrato caricato per la MT. Python ha una cosa così bella per gli esperimenti Jupiter notebook. Oltre all'esecuzione interattiva del codice, è possibile prendere appunti, il che è utile per scrivere pensieri su un argomento. Quindi dovete scegliere una libreria che possa funzionare in Python e C++. Python è facile da imparare.
Tutto questo toglie di mezzo il punto, bisogna fare tutto nello stesso posto dove si commercia, senza problemi inutili... risparmiando tempo e nervi. Devi fare tutto nello stesso posto in cui fai trading, senza problemi inutili, risparmiando tempo e nervi.
Ma python è figo senza dubbio, R l'ha filato - infastidendo la sua lentezza. Da quanto ho capito, i professionisti dell'apprendimento automatico siedono esattamente su python, mentre R è così dabbenaggine e statanalisi e gli studenti da insegnare. Ma d'altronde è tutto uno scempio, quando si può collegare direttamente.
R è, dal punto di vista di un programmatore, un linguaggio strano e diverso da qualsiasi altro. Sì, per l'apprendimento automatico, Python è lo standard.
R è, dal punto di vista di un programmatore, un linguaggio strano e diverso da qualsiasi altro. Sì, Python è lo standard per l'apprendimento automatico.
Voi siete strani. Per uno, "R dal punto di vista di un programmatore è un linguaggio strano e diverso da qualsiasi altro". Di quali programmatori stai parlando? L'altrodice "Ho provato R - è irritante perché è lento" - forse l'hai provato in un posto sbagliato o in un modo sbagliato?
Forse non ne siete consapevoli, ma tutti i moduli Python sono disponibili in R , e quindi in MT. Inoltre, tutti gli ultimi giganti dello sviluppo TensorFlow (Googl), CNTK (Microsoft) e altri hanno immediatamente offerto una API in R e quindi in MT. Ho sottolineato due volte - oggi è possibile utilizzare tutta la ricchezza degli sviluppi dell'apprendimento automatico nel terminale tramite R. Ci vuole una comprensione di ciò che si vuole fare, conoscenza e abilità. Se vuoi fare, fallo e basta.
Il thread si è trasformato in una verbosità inutile. Purtroppo.
Buona fortuna
Voi siete strani. Per uno, "R è, dal punto di vista di un programmatore, uno strano linguaggio diverso da qualsiasi altro". Di quali programmatori stai parlando? Un altrodice "Ho provato R ed è stato molto lento" - forse stavi cercando di girarlo in un posto sbagliato o con uno strumento sbagliato?
Il thread si è trasformato in una verbosità inutile. Purtroppo.
Buona fortuna
R stesso è lento, non sto parlando di pacchetti. Funziona più lentamente di python e più lentamente di MT5. O è lento come RStudio, non muove nemmeno le finestre in modo fluido, il che dice che è anche lento di per sé. Per non parlare di VS 2017 in combinazione con Ropen, si blocca costantemente, incompatibilità dei pacchetti, ecc. Ho paura di immaginare cosa succederà se si usa anche un pacchetto per lavorare con python. Molti pacchetti R sono scritti da Dio sa chi e possono contenere bug, non ci sono standard unificati.
Ci sono solo alcuni buoni pacchetti di reti neurali che hai descritto nel tuo ultimo articolo, e che funzionano bene senza R. Tutto il resto lì sul preprocessing e così via per il forex è più un gioco mentale che un uso efficace dei vantaggi della lingua. Beh sì, le immagini possono essere valutate a occhio, ma nella maggior parte delle situazioni le valutazioni numeriche per tutti i modelli sono sufficienti. IMHO :)
Slow R in sé, non sto parlando di pacchetti. Funziona più lentamente di python e più lentamente di MT5.
Non più lento di MT5... Ho fatto un confronto prima:
ALGLIB è un terribile freno all'apprendimento.
Ha servito una rete 240-50-1 su ALGLIB, - ha aspettato 2 giorni, non ha aspettato e l'ha spento.
Ha insegnato la rete 70-5-1 in mezz'ora. Imparare nnet da R richiede meno di un minuto con gli stessi dati.
Non più lento di MT5... Ho fatto un confronto prima:
Hai fatto un confronto con un altro NS - non è più R ma un pacchetto che è scritto in pro e naturalmente è veloce. Per le grandi reti è necessario l'ottimizzatore LBFGS, forse l'hai usato. Le foreste sono molto veloci in alglib, per esempio, mi piace... e la qualità dei modelli non è mai peggio che in MLP. Il boosting è certamente inferiore, ma non troppo critico per quanto posso dire dagli articoli su internet. Cioè essenzialmente c'è 1 modello universale che è l'impalcatura dell'albero, in più è veloce. Tutto il resto, che qualche altro neurone possa fare qualcosa di meglio, non è stato ancora dimostrato in pratica (in relazione al forex).
Il multithreading non è in R ma in pacchetti di reti neurali, collegatevi anche a mt5 e sarà un multithreading
Hai fatto un confronto con un altro NS - non è R ma un pacchetto scritto in pro e naturalmente è veloce. Alglib non ha il multithreading nella versione gratuita, + per le grandi reti è necessario l'ottimizzatore LBFGS, forse l'hai usato. La foresta è bella veloce in Alglib, per esempio, mi piace... La qualità dei modelli non è mai peggio che in MLP.
Sembra lo stesso MLP, quindi la rete è la stessa per struttura e quantità di dati. Quel pacchetto non ha usato il multithreading, ha solo letto tutto con un thread (ho controllato con il task manager).
Ho confrontato le velocità LBFGS (circa 40 min.) e LM (27 min.). Secondo le descrizioni, LBFGS deve essere più veloce, ma in pratica è il contrario in ALGLIB.
Controllato e impalcatura - molto più veloce di NS (4 min.), e il risultato è circa lo stesso. E la cosa interessante è che la regressione lineare conta ancora più velocemente, con gli stessi risultati.
Come qualcuno ha scritto qui - è tutta una questione di caratteristiche.
Sembra essere lo stesso MLP, quindi la rete è la stessa per struttura e quantità di dati. Quel pacchetto non ha usato il multithreading - ho letto tutto in un thread (l'ho controllato nel task manager).
Ho confrontato le velocità LBFGS (circa 40 min.) e LM (27 min.). Secondo le descrizioni, LBFGS dovrebbe essere più veloce, ma in pratica ALGLIB è il contrario.
Per quanto ho capito, puoi impostare 1-2 epoche lì, dato che converge quasi sempre la prima volta... forse è stata una svista? anche se non lo uso da un po', potrei essere confuso.