L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2213
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
Quindi si addestra il neurone per il "massimo profitto". Questo è un addestramento secondo un criterio ( "massimo profitto").
Alexander Alexandrovich dice che il neurone trova la soluzione migliore "non scambiare". Non riesco a capire come ha fatto, ma va bene...
Quindi se il neurone ha deciso di "non scambiare" Quindi, se il neurone ha deciso di "non negoziare", significa che abbiamo bisogno di aggiungere un ulteriore criterio (un numero minimo di transazioni): "min. deals".
Si scopre che dobbiamo già ottimizzare usando due criteri (o 10)
Non possiamo normalizzare nulla qui perché non conosciamo il risultato finale
Un sacco di obiettivi. Di solito abbiamo un obiettivo 2x. Massimo profitto e non prosciugare l'equilibrio. Il profitto ha il rischio di prosciugarsi.
In una centrale nucleare tra 19 e 30 parametri. L'obiettivo è un rendimento massimo e stabile e che non si fermi ed esploda. Al massimo rinculo può esplodere, e se anche le aste vengono tolte, certamente non esploderà, ma potrebbe fermarsi.
Diversi stati limite, o classi.
Probabilmente....
========================
fatto un grande campione di prova
nel quadrato è il pezzo del test (nuovi dati) che ho mostrato
Comunque, per 5 minuti, la commissione si mangia tutto.
Ma è possibile sintetizzare un modello interessante
È necessario includere immediatamente nella funzione di fitness l'addestramento e il controllo del modello su campioni di alberi e di test
Ho fatto un lavoro molto disordinato finora.
Allenare il sistema un paio di giorni fa a quello attuale, e poi testarlo una settimana o due fa. Vedi cosa succede. Vedrete molte cose interessanti.
grazie, non sono chiare.
dimenticalo....
Non capisco nemmeno il tuo ricampionamento(((.
è spesso difficile capire qualcosa di complicato).
Un sacco di obiettivi. Di solito 2 volte l'obiettivo. Massimo profitto e non prosciugare il bilancio. Il profitto ha il rischio di prosciugarsi.
Sì, si può fare qualsiasi cosa con le funzioni di fitness ....
È il modo più "libero" di comunicare al neurone quello che vuoi che faccia...
Allenate il sistema un paio di giorni fa a quello attuale, poi testatelo una settimana o due fa. Vedi cosa succede. Vedrete molte cose interessanti.
Non capisco perché lo faresti.
dimenticalo....
Non capisco nemmeno il tuo ricampionamento(((.
è spesso difficile capire qualcosa di complicato).
non lo capisci perché non l'hai letto
Ti sto dicendo di disegnare un diagramma di quello che stai facendo, altrimenti non so di cosa stai parlando
Non lo capisci perché non l'hai letto.
Ti sto dicendo di disegnare un diagramma di quello che stai facendo, altrimenti non so di cosa stai parlando.
L'ho letto, l'ultimo...
Un po' più tardi, ora scrivendo il codice, voglio provare a selezionare solo i modelli che hanno superato il test, ma automaticamente
Prova una ricerca multicriterioIo dico di disegnare un diagramma di quello che stai facendo, altrimenti non so di cosa stai parlando.
Sto facendo la stessa cosa di Vladimir nell'ultimo terzo di questo articolo.
solo che non regolo i parametri di MASD per massimizzare i profitti, ma solo i pesi dei neuroni.
Ma è lo stesso.
Sto facendo la stessa cosa di Vladimir nell'ultimo terzo di questo articolo
Solo che io non regolo i parametri di MASD per massimizzare il profitto, ma regolo solo i pesi dei neuroni.
Quindi la stessa cosa...
Beh, questa è l'ottimizzazione per griglia di iperparametri
beh, è un'ottimizzazione della griglia di iperparametri
si potrebbe dire che...
Il punto è nelle possibilità.
Qualsiasi idea può essere messa in una rete neurale tramite una funzione di fitness, anche quella che non potete descrivere in codice voi stessi.
Beh, si può dire che...
Il punto sono le possibilità.
Qualsiasi idea può essere scritta nella rete neurale attraverso la funzione di fitness, anche quelle che non potete descrivere in codice voi stessi.
la griglia apprende ancora attraverso la minimizzazione dell'enropia. E il criterio di arresto può essere fatto da qualsiasi perdita personalizzata
la griglia viene ancora appresa attraverso la minimizzazione dell'enropia. E il criterio di arresto può essere fatto da qualsiasi perdita personalizzata
Non lo so in python, ma non è così buono in r-ka, o non so come farlo, ecco perché ho creato questo...