L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1183
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
Lo faccio, perché sono stato sull'argomento per molto tempo ;)
Non ho bisogno di un graal, ma un ATC funzionante sarebbe utile
che sarebbe molto stabile con il MO - devi fare qualche analisi statistica e cercare i modelli da solo, poi adattarli, e se molto fortunato funzionerà per un tempo relativamente lungo
Per il resto (la mia pratica personale, non so gli altri) si tratta di riqualificare permanentemente con i dati più recenti e ottenere qualche buon affare, tutto in profitto, controllando tutto quotidianamente. Se si parte dal principio che l'intelligenza artificiale dovrebbe cercare tutto da sola, perché fare costantemente analisi statistiche è anche un compito ingombrante. È meglio eseguire l'ottimizzatore un paio di dozzine di volte e si troverà da solo.
Alla fine tutto si riduce al controllo della qualità del modello sul campione di prova, tutto qui. Il campione di allenamento è quasi sempre buono così com'è. Non c'è nemmeno bisogno di visualizzare qualcosa per questo. Come controllare e sotto-campionare è un'arteComodo Internet Security e niente è andato storto per anni.
Affinché il MO sia stabile, è necessario fare qualche analisi statistica e cercare i modelli da soli, poi fissarsi su di essi, e se si è molto fortunati, funzionerà per un tempo relativamente lungo.
Per il resto (la mia pratica personale, non so gli altri) si tratta di riqualificare permanentemente con i dati più recenti e ottenere qualche buon affare, tutto in profitto, controllando tutto quotidianamente. Se si parte dal principio che l'intelligenza artificiale dovrebbe cercare tutto da sola, perché fare costantemente analisi statistiche è anche un compito ingombrante. È meglio eseguire l'ottimizzatore un paio di dozzine di volte e si troverà da solo.
grazie, ma non è il browser, è Windows, il firewall blocca tutto, qualsiasi browser funziona per circa 10 minuti, poi zap! e non si apre più nulla... Windows è andato in crash, torno a casa in 15 minuti per ripristinare da un flash drive tramite il backup di acronix, per fortuna faccio sempre il backup di tutte le nuove installazioni
Lo so, lo faccio anch'io quando ho tempo, ma non è interessante (((, come nei film cool....) premere.... le lettere hanno attraversato il laptop.... e poi i culi hanno confermato!!! .... la cosa principale che poi l'ALLARME-ALLARME non è partito )))
Legge di Murphy: se la merda può succedere, succederà
Lo faccio io stesso quando ho tempo, ma non è interessante (((, voglio che sia come nei film cool.... il pulsante premuto.... le lettere hanno attraversato il laptop.... e poi i culi hanno confermato!!! .... la cosa principale che poi l'ALLARME-ALLARME non è partito )))
Non credo.
Ho semplificato ancora di più il compito per i NS. Viene sviluppata una strategia preliminare, che definisce intervalli di possibili ingressi, il NS viene addestrato su questi intervalli e trova i punti di ingresso ottimali. Se non c'è una voce nell'intervallo, non la trova.
Al di fuori degli intervalli il NS non analizza nulla.
Non credo.
Ho semplificato ancora di più il compito per i NS. Viene sviluppata una strategia preliminare, che definisce intervalli di possibili ingressi, il NS viene addestrato su questi intervalli e trova i punti di ingresso ottimali. Se non c'è una voce nell'intervallo, non la trova.
Al di fuori degli intervalli il NS non analizza nulla.
I NS non troveranno i migliori punti di ingresso, hanno bisogno di bruteforce.
L'NS non troverà punti di ingresso ottimali, devono essere forzati
Maxim, questo era già stato fatto un anno fa. E ha scritto come, in questo thread.
Ma non mi viene in mente niente di nuovo. Sto ancora giocando con Python, forse qualche idea verrà fuori.
L'NS non troverà punti di ingresso ottimali, devono essere forzati
Provate anche a disabilitare l'invadente creazione da parte di CatBoost delle proprie directory temporanee ad ogni avvio, poiché questo lo fa andare in crash in un ambiente protetto.
In generale, questi glitch sembra in qualche modo non molto professionale, quindi se non è possibile batterli, poi personalmente a mio parere, più economico che gratuito - da questo prodotto di abbandonare subito:)
Vengono create delle directory quando si usa python? In console è logico che le directory sono create come in loro in una volta modello e markup, e anche altri dati statistici dove altro metterli se non in una directory? Al contrario, penso che le directory siano una soluzione molto buona, perché posso scorrere molte impostazioni e mettere i risultati di ciascuna nella mia directory.
Finora, non ho visto alcun glitch che abbia causato malfunzionamenti.
A proposito, non so a chi chiedere, puoi dirmi
quando si usa la PCA, alglib restituisce gli autovettori
come lavorare ulteriormente con loro, cioè applicare alle caratteristiche originali
http://alglib.sources.ru/dataanalysis/principalcomponentsanalysis.phpLimiti di applicabilità ed efficacia del metodo
per quanto ho capito questo metodo, abbiamo una mappa delle caratteristiche del segnale utile individuando i componenti principali, e si può quindi cercare una mappa simile (matrice) per cercare un segnale utile nei dati rumorosi
alla fine tutto si riduce al controllo di qualità del modello sul campione di prova, tutto qui. Sul campione di allenamento, è quasi sempre buono così com'è. Non c'è nemmeno bisogno di visualizzare qualcosa per questo. Come controllare e sotto-campionare è un'arte
Qui c'è solo da pensare che il campione di controllo può essere molto diverso da quello su cui si è addestrato, per esempio avere un albero che ha 10 foglie addestrate, 9 delle quali danno 1, e una dà zero, che funzionano bene su un particolare campione, ma poi il test (prova nel mio caso) non funziona - cosa è successo? Oppure potrebbe essere che le condizioni erano solo per 3 foglie su 9 e il resto si sono tutte fuse a zero. Questo non sarebbe un segno di sovrallenamento (che implica connessioni ridondanti che non sono regolarità), ma semplicemente o un campione completamente diverso, o un campione in cui ci sono davvero molti eventi per 3 foglie, e criticamente pochi per le restanti 6 foglie, in alternativa abbiamo addestrato su tendenze, e testato su un piatto. Mi chiedo se dovremmo mescolare il campione e creare condizioni artificiali, dove sia nell'addestramento che nei test ci saranno parti del mercato proporzionalmente simili, e se è così, dovremmo in qualche modo identificare queste parti e contrassegnarle, allora saremo in grado di vedere quali risposte nell'addestramento e quali risposte nel campione di test. Oppure dobbiamo cercare tali regolarità che sono tipiche di tutti i mercati e descriverle in modo universale per aumentare il numero di situazioni diverse nel campione di allenamento.