L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 695
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
Ho pensato alla regressione....
La regressione nei mercati finanziari non è una funzione liscia, ma piuttosto una funzione a gradini con incrementi di 1 punto. (sia per l'insegnante che per la previsione). Se per esempio limitiamo il movimento a +/- 100 pt, allora c'è un'analogia con la classificazione in 200 classi. Cioè, l'output è una previsione della classe più probabile - per esempio +22 pt.
Non significa che per ottenere buoni risultati la struttura/complessità del modello (numero di neuroni) per la regressione dovrebbe essere 200 volte più grande? Beh, se si aumenta il passo a 5 pt, allora 40 volte sarebbe un po' più economico al costo di una minore precisione.
Qualche idea su questo argomento?
Non puoi fare la regressione sui prezzi, falla sugli incrementi, allora il numero di varianti sarà minore
non hai bisogno di più neuroni, infatti non ne hai bisogno molto per la regressione... in una regressione lineare, hai bisogno di 1 coefficiente per tratto :)
Non puoi fare la regressione sui prezzi, falla sugli incrementi, allora il numero di varianti sarà minore
Non hai bisogno di più neuroni, infatti, non ne hai bisogno di molti per la regressione... in una regressione lineare, hai bisogno di 1 coefficiente per tratto :)
Intendo +/- 100 pt, non i prezzi.
Beh, l'analogia con 200 classi è diretta... anche se vanno in sequenza e possono ancora essere smussati da una funzione a gradini a una liscia
L'incremento è ciò che si intende per +/- 100 pt.
Beh, l'analogia con 200 classi è diretta...
Bene, le classi hanno anche più di un valore di uscita, è semplicemente diviso per un sigmoide
Nessuna idea su questo argomento?
Classificare in 200 classi richiede 200 neuroni in uscita, e corrispondentemente molti neuroni negli strati interni per far funzionare il tutto in qualche modo.
E per la regressione avete bisogno di 1 solo neurone di uscita, il valore che emette sarà Pronosis, "+22p, più o meno errore". E probabilmente ci sono meno neuroni nascosti.
L'insegnante sarà discreto, con un segno numerico come un simbolo. Ma la prognosi è un numero doppio regolare non continuo con 16 cifre, e quindi la funzione di stima (errore quadratico medio per esempio) sarà anche continua.
Interessante articolo su uno studio di otto modelli di apprendimento automatico
Peccato che gli autori dell'articolo abbiano preso i prezzi artificiali invece dei prezzi del petrolio per esempio. I risultati sono stati ottenuti per condizioni ideali, e non è chiaro se saranno applicabili al commercio reale.
Oggi è il giorno del Graal, ma sappiamo com'è fatto e quanto lavoro ci vuole per tenerlo nelle nostre mani!!!!
Non ho paura della parola, ma oggi ho trovato un graal per me stesso. L'ho testato ripetutamente e i risultati sono stati sorprendenti. Un ringraziamento speciale al Dr. Trader per il suo sostegno, che ha effettivamente portato alla scoperta. Non ho paura di questa parola........ Con l'aiuto di R sono stato in grado di trovare effettivamente un insieme di predittori importanti, e dato che l'obiettivo ha lo stesso numero di classi, allora giocando un po' (aggiungendo o togliendo una) l'insieme dei predittori importanti può essere ampliato di una, due colonne. Ho provato una volta ed era così normale aggiungerli. Poi cominciamo a sfoltire e a selezionare il modello con i massimi risultati di apprendimento.
Naturalmente non grande dimensione del polinomio, ma funzionerà in teoria il 50% dell'intervallo di allenamento, cioè una settimana, ed è abbastanza per me!!!!!! Ma ecco il fatto.... E ora mi rivolgo a quelle persone qui che cercano modelli affidabili e stabili. È più facile da spiegare con un esempio.........
Salvo una tabella di dati di 1000 righe e 111 colonne dove 110 predittori e così l'output. MA non prendo tutta la tabella, prendo una piccola sezione fresca di 40 record (sono circa 2 settimane di lavoro di TS) Come risultato ho un set di allenamento di dimensioni 40 per 110 più un obiettivo. Infatti prendo una fetta di mercato proprio in questo giorno in questo stesso intervallo. Questa fetta è ferma. Poi seleziono le variabili di input significative rispetto all'output e ottengo da 3 a 5 colonne che, a quanto ho capito, hanno l'alfa necessaria che mi permette di avere un vantaggio sugli altri partecipanti al mercato. E ora la cosa più importante.... Di cosa si parlava in tutta questa discussione. Non appena aggiungo un'altra riga alla tabella dei dati per l'allenamento, l'insieme delle colonne cambierà drasticamente, cioè l'alfa si sposterà su un altro insieme di colonne. Forse non immediatamente, ma dopo aver aggiunto più di una riga. Cioè i segnali TS!!!! Alpha è precisamente lo stesso modello nella sua forma più pura che è minima e sufficiente per la funzione di destinazione. Ma questo modello non è evidente, cioè, vederlo ad occhio nudo è molto difficile. È a questo punto che l'IA entra in gioco e fa il suo lavoro.
E ora immaginate come alfa può rimbalzare su tutto il campo di dati, che scarico, se raramente è contenuto in più di cinque ingressi, e campo totale di 110 ingressi. In altre parole, con ogni nuova fetta ottengo un set di predittori completamente diverso. E come volete stargli dietro, e anche a distanza di un ANNO!!!!!!! se è qui da settimane, difficilmente si riesce a prenderlo come si deve....... Ma hai assolutamente ragione c'è un graal, ma ognuno ha il suo, e per mantenerlo bisogna fare molti sforzi.......
E di nuovo riferendosi ai teorici dei conti demo, ecco come si fa.......
Ho lavorato con la teoria e ho fatto alcuni test usandola. I test hanno mostrato buoni risultati. I modelli sono addestrati UPU con il robot è caricato. Guardate il mio segnale questa settimana e vedrete immediatamente quanto valgono le mie ipotesi.
Non vedo quale sia il problema, si raggruppano le barre (per confrontarle in modo affidabile), si costruisce una statistica delle ripetizioni di qualsiasi elemento, si può iniziare con il più comune. Poi costruisci le statistiche delle ripetizioni in coppia con un altro elemento (meglio il secondo delle statistiche, anche se devi comunque controllare tutto), seleziona la statistica massima, metti il secondo punto sul grafico, e così via. Non appena il grafico mostra un'inflessione, questa è la lunghezza ottimale per questa parola. E in questo modo si controllano tutte le lettere.
Ottenere un insieme di parole, di cui sarà già mettere insieme frasi, qui è già può essere applicato alle parole del TC ma prima dovrebbe assegnare le parole di codifica per la vicinanza a vicenda, anche se con questo piviale e il TC, c'è anche avtoencoders alla fine. Insomma, in questa fase c'è libertà di immaginazione.
Qualcuno può controllare l'indicatore di incremento? Per qualche motivo ci sono dei buchi nel rendering sui TF bassi, e non solo, se si riavvolge... la finestra dell'indicatore diventa vuota. O è solo il momento di reinstallare il terminale
questo è più corretto
doppio pr2 = (pr!=0?log(pr):0);
È un peccato che gli autori dell'articolo abbiano preso ad esempio i prezzi artificiali invece dei prezzi del petrolio. I risultati sono per condizioni ideali, e non è chiaro se sarebbero applicabili al commercio reale.
Fatto apposta per coprire la varietà teorica dei prezzi e nominare esplicitamente questa varietà.