L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 836
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
Per un trader, è una competizione che allena i suoi modelli e li infila, fortunato - buono, sfortunato - niente da perdere
Avete le associazioni sbagliate. Se il tuo modello non viene accettato perché sei troppo pigro o poco allenato, significa che devi migliorare la tua abilità. Non è necessario essere fortunati.
Avete le associazioni sbagliate. Se il tuo modello non viene accettato perché sei troppo pigro o poco allenato, significa che la tua abilità deve essere migliorata. La fortuna non c'entra niente.
Per quanto tempo funzionano i modelli? Se hanno sempre dei concorsi, è a breve termine?
Per me, è più importante dare un po' di soldi per ottenere dei profitti.
Un nuovo tour ogni settimana. In una settimana devi addestrare il modello e inviargli le previsioni. Ma la stima in avanti del tuo modello sarà nota solo dopo altre tre settimane, le tue previsioni saranno confrontate con quelle reali per quelle 3 settimane.
Credo che tengano almeno il 90%.
:))) inizierò a rileggere il tuo topic dopo aver finito di studiare RL
E supponiamo che i vostri predittori siano migliori dei miei, sarebbe fantastico
Maxim, il file allegato contiene la BP per AUDCAD ottenuta a intervalli di lettura di tick esponenziali (per essere più precisi - distribuzione geometrica discreta a n=0,5).
Colonna A - Offerta
Colonna B - Chiedi
Colonna C - Intensità nella finestra scorrevole = 10.000
Colonna E - Timbro temporale.
Se il timestamp =0, allora questo è uno pseudotick artificiale.
Cioè c'è ancora un vero BP "seduto" dentro questo pseudo-pattern.
Puoi estrarre la BP reale dalla BP di origine e infilare 2 BP di ritorno nella rete neurale? Uno - originale (pseudo+reale), il secondo - solo reale.
Interessante.
Quando si lavora con la BP iniziale (pseudo+reale), ci si deve rendere conto che si sta lavorando con il thread più semplice senza memoria
Passo 2. In questo BP iniziale, dovreste prendere solo una citazione su due. Otterrete un flusso Erlang di 2° ordine con conseguenze. Controllare.
Passo 3: In questo BP iniziale si dovrebbe prendere solo una citazione ogni 3. Otterrete il flusso Erlang del 3° ordine con conseguenze. Controllare.
Ecc.
Se si ottiene qualcosa di incredibile - si ottiene un segnale.
Maxim, nel file allegato - BP per AUDCAD ottenuto a intervalli di lettura di tick esponenziali (più precisamente - distribuzione geometrica discreta a n=0,5).
Colonna A - Offerta
Colonna B - Chiedi
Colonna C - Intensità nella finestra scorrevole = 10.000
Colonna E - Timbro temporale.
Se il timestamp =0, allora questo è uno pseudotick artificiale.
Cioè c'è ancora un vero BP "seduto" dentro questo pseudo-pattern.
È possibile estrarre la BP reale dalla BP di origine e alimentarla nella rete neurale con 2 BP di ritorno. Uno - originale (pseudo+reale), il secondo - solo reale.
Interessante.
Cercherò di infilarlo nel ns domani già )
Cercherò di metterlo domani).
Ho aggiunto l'algoritmo di controllo anche lì. Fate attenzione, per favore.
Ho aggiunto anche un algoritmo di controllo. Fate attenzione, per favore.
Sì, vedo che sarà più complicato con le zecche, ma lo farò con attenzione)
Convertire queste sequenze in simboli personalizzati di МТ5 e ottenere simboli pronti separati... se funzionano
Sì, capisco, sarà più complicato con le zecche, ma farò qualcosa di ordinato).
Queste righe devono essere convertite in simboli personalizzati di MT5, appariranno come simboli separati già pronti... se riescono
Beh, puoi fare il contrario - prima seleziona il flusso Erlang di ordine 100 e scendi al più semplice :))
Sul tema della previsione della volatilità. Diciamo che prevedere la volatilità è molto più facile che prevedere la quotazione stessa
E ci sono anche tutti i tipi di modelli come https://en.wikipedia.org/wiki/Markov_switching_multifractal
Cosa dà, come usarlo correttamente, qualcuno l'ha mai fatto?
A proposito della previsione della volatilità. Diciamo che prevedere la volatilità è molto più facile che prevedere la quotazione stessa
E ci sono anche tutti i tipi di modelli come https://en.wikipedia.org/wiki/Markov_switching_multifractal
Cosa fanno, come si usano, qualcuno ha mai fatto qualcosa con loro?
GARCH è chiamato, al contrario del machine learning, mainstream nei mercati finanziari (insieme alla cointegrazione e ai portafogli).
I modelli tengono conto di un mucchio di sfumature statistiche degli incrementi, comprese le code spesse e la memoria lunga alla Hurst.
Per esempio, c'è una pubblicazione sulla scelta dei parametri dei modelli GARCH su TUTTI i titoli, inclusi nell'indice S&P500!
Ci sono molte pubblicazioni sull'applicazione nel Forex. Il toolkit è molto ben sviluppato. Per esempio il pacchetto rugarch.
Allora, lasciamo la fattoria, prendiamo l'autostrada e andiamo alla marcia "Addio alla Slavyanka"!