L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1623
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
C'è un controllo dell'account?
No, il trading è appena iniziato e non è ancora partito perché la macchina completa è in fase di test di affidabilità. Infatti, a causa del fatto che il futures termina oggi, quindi l'ultima settimana o due la citazione funziona puramente tecnico e qualsiasi sistema inizia a lavorare, anche così così. Domani si passa a un nuovo futuro. All'inizio della citazione le cose vanno sempre male, vedremo lì...
Capisco, anch'io sono nel test, ma ci sta mettendo troppo tempo ))). Nessuna immagine di freccia al momento, c'è solo questa (profitto in pip).
Naturalmente può essere solo una coincidenza)).
Non è così...
Un modello (una rete neurale) non dà il risultato giusto. Può imparare qualcosa, ma non è abbastanza. Ecco perché faccio 20-25 modelli con diversi input. Ora ho 25 modelli che segnalano allo stesso tempo, e le loro opinioni sono considerate con un certo peso nella previsione finale. Il calcolo di un modello richiede circa 0,5-0,7 secondi per un totale di 15-20 secondi + è ancora necessario preparare la data di ingresso per 25 modelli, che è un sacco di lavoro per ogni minuto )) La risposta può essere ridotta a 1-3 secondi se uso correttamente il multithreading in python, ma non l'ho ancora fatto.
Alleno i modelli separatamente, in modalità normale, cioè il dataset viene raccolto da un periodo storico di un anno e poi l'allenamento come al solito.
Qual è l'obiettivo?
Non è così...
Un modello (una rete neurale) non dà il risultato giusto. Può imparare qualcosa, ma non è abbastanza. Ecco perché faccio 20-25 modelli con diversi input. Ora ho 25 modelli che segnalano allo stesso tempo, e le loro opinioni sono considerate con un certo peso nella previsione finale. Il calcolo di un modello richiede circa 0,5-0,7 secondi per un totale di 15-20 secondi + è ancora necessario preparare la data di ingresso per 25 modelli, che è un sacco di lavoro per ogni minuto )) La risposta può essere ridotta a 1-3 secondi se uso correttamente il multithreading in python, ma non l'ho ancora fatto.
Alleno i modelli separatamente, in modalità normale, cioè il dataset viene raccolto da un periodo storico di un anno e poi l'allenamento come al solito.
Sembra di allenare un modello ogni minuto. Di solito ci vuole un millesimo di secondo perché un modello addestrato produca un risultato.
qual è l'obiettivo?
nessun obiettivo, tutti uguali
Cosa intendi? Voglio dire, cos'è Y?
Non è così...
Un modello (una rete neurale) non ti dà i risultati di cui hai bisogno. Può imparare qualcosa, ma non è abbastanza. Ecco perché faccio 20-25 modelli con vari input. Ora ho 25 modelli che segnalano allo stesso tempo, e le loro opinioni sono considerate con un certo peso nella previsione finale. Il calcolo di un modello richiede circa 0,5-0,7 secondi per un totale di 15-20 secondi + è ancora necessario preparare la data di ingresso per 25 modelli, che è un sacco di lavoro per ogni minuto )) La risposta può essere ridotta a 1-3 secondi se uso correttamente il multithreading in python, ma non l'ho ancora fatto.
Alleno i modelli separatamente, in modalità normale, cioè il dataset viene raccolto da un periodo storico di un anno e poi l'allenamento come al solito.
Hmm, "0.5-0.7 secondi di calcolo" è un po' troppo per MLP, forse si insegna e poi si calcola, su piccoli dataset con una finestra scorrevole?
Prendiamoli in ordine:
1 Quali sono i dati grezzi (ticker(s), timeframe)
2 Qual è la dimensione del set di dati di allenamento (1k, 10k, 100k...)
3 Che tipo di caratteristiche
4 Quali sono gli obiettivi
5 Che tipo di griglia
abbastanza per iniziare...
Hmm, "0.5-0.7 secondi di calcolo" è un po' troppo per MLP, forse si insegna e poi si calcola, su piccoli dataset con una finestra scorrevole?
Andiamo in ordine:
1 Quali sono i dati grezzi (ticker, timeframe)
2 Qual è la dimensione del set di dati di allenamento (1k, 10k, 100k...)
3 Che tipo di caratteristiche
4 Quali sono gli obiettivi
5 Che tipo di griglia
è sufficiente per iniziare...
E dovresti anche far brillare la lampada nei tuoi occhi))