L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2699
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
Il tempo ciclico (numero di ore, ecc.) è facile da usare, ad esempio, in KNN, se la metrica è scritta correttamente. Oppure in alcuni sviluppi di questo metodo, come la regressione locale.
Vedo una familiarità, l'ho vista 3-4 volte nei tuoi post.
2 volte 0,5 per turno.)))))))
2 volte, è così:
2 volte 0,5 è al centro :-) Una media di due, che improvvisamente descrive bene i tic
0) sì, lo sono...)
Il mio metodo fissa il numero di spazi in cui si cerca la regolarità e limita il passo delle coordinate in questi spazi, quindi non dovrebbero esserci esplosioni. Inoltre ci sono idee su come ridurre immediatamente il numero di combinazioni da ricercare analizzando preventivamente gli spazi.
Effettuerò la ricerca in MQL5 attraverso la modalità "calcolo matematico"; il vantaggio è il sistema debuggato di supporto agli agenti, che permetterà di gestire compiti di calcolo parallelizzati. Ho molti core deboli sui miei server, quindi è importante per me.
Una regola è un analogo della foglia di un albero, se ricordo bene la vostra ricerca. La foglia contiene le condizioni che descrivono il modello, mentre l'evento è la fonte per trovare il modello.
L'Evento è forse il moncone dell'albero, che verrà costruito interagendo con altri predittori.
Costruire, anche se è possibile dire la crescita, se usare la rappresentazione di un albero, - è già la seconda fase, per realizzare la quale è possibile sia attraverso l'algoritmo (mentre si fanno gli schizzi su un foglio) o su R attraverso gli alberi genetici (è semplicemente una metodologia già elaborata, a cui si è buttato lo script), sia come si fa - ma lavorando già con una piccola tabella in generale - cercando le regolarità relative, ed è possibile pensare ad altro. E in questa fase CatBoost può già digerire i dati con gioia, come soluzione intermedia. È possibile estrarre da essi foglie e regole, ma di solito sono deboli.
la probabilità di superamento di una linea da parte del prezzo (e di attivazione dei segnali dell'indicatore) dipende dall'ora del giorno e dal giorno della settimana.
È necessario aggiungere il tempo ciclico a NN e DL. Il modo più semplice è un'onda sinusoidale. Le dipendenze non sono lineari, quindi viene semplicemente elevato al quadrato, tenendo conto del segno. Ci sono due ingressi aggiuntivi che sono responsabili dei riferimenti temporali. Mezzanotte/mezzogiorno è diverso dappertutto, quindi è meglio calcolare e dare la fase in anticipo. Questo è il collegamento del modello con il mondo reale e il suo tempo.
Se non vengono dati esplicitamente, IMHO si otterrà una zucca o l'intero sistema cercherà di ottenerli ed emetterli da solo.
Sì, il tempo è una delle scale più importanti e ovviamente la uso.
Come si risolve il problema del passaggio all'ora legale/invernale, pensi che sia necessaria una correzione?
Supponiamo di fare trading su euro/rublo - sullo storico abbiamo diversi momenti di transizione verso l'orario invernale/estivo, e poi l'assenza di transizione per il rublo, ma la presenza dell'euro, diciamo che le notizie programmate sono importanti, ma con lo spostamento temporale saranno sul grafico in momenti diversi, e come comportarsi? Forse ha senso utilizzare le scale temporali di due valute contemporaneamente, e forse più?
Sì, il tempo è una delle scale più importanti e ovviamente lo uso.
Come viene risolto il problema del passaggio all'ora legale/invernale, pensa che sia necessaria qualche correzione?
Supponiamo di fare trading su euro/rublo - sullo storico abbiamo diversi momenti di transizione verso l'orario invernale/estivo, e poi l'assenza di transizione per il rublo, ma la presenza dell'euro, diciamo che le notizie programmate sono importanti, ma con lo spostamento temporale saranno sul grafico in momenti diversi, e come comportarsi? Forse ha senso utilizzare le scale temporali di due valute contemporaneamente, e forse più?
Questa è una b@## ben nota... e confonde costantemente tutto, indipendentemente dal tipo di trading:-) in due grandi centri - USA e Inghilterra, le lancette dell'orologio sono spostate in giorni diversi. Fino a più di una settimana di distanza. Gli intervalli tra gli eventi più importanti cambiano e due o tre settimane in sei mesi possono essere buttate via dall'analisi. E i nostri collaboratori fanno confusione: "Cambiamo gli orologi, non cambiamo gli orologi".
Non conosco una soluzione universale o più o meno efficace a questo problema. O ignorare questi "giorni critici" o insegnare separatamente l'ora invernale e quella estiva. Quest'ultima soluzione sembra più ragionevole, ma siamo già criticamente a corto di dati.
Il mio metodo fissa il numero di spazi in cui viene cercato un modello e limita il passo delle coordinate in questi spazi, quindi non ci dovrebbero essere esplosioni. Inoltre, ci sono idee su come ridurre immediatamente il numero di combinazioni da esplorare analizzando preventivamente gli spazi.
Farò la ricerca in MQL5 attraverso la modalità "calcolo matematico", il vantaggio è il sistema di supporto agli agenti, che permetterà di gestire compiti di calcolo parallelizzati. Ho molti core deboli sui miei server, quindi questo è importante per me.
Una regola è un analogo della foglia di un albero, se ricordo bene la vostra ricerca. La foglia contiene le condizioni che descrivono il modello e l'evento è la fonte per trovare il modello.
L'evento è forse il ceppo dell'albero, che crescerà interagendo con altri predittori.
Costruire, anche se è possibile dire la crescita, se usare la rappresentazione di un albero, - è già la seconda fase, per realizzare la quale è possibile sia attraverso l'algoritmo (mentre si fanno gli schizzi su un foglio) o su R attraverso gli alberi genetici (è semplicemente una metodologia già elaborata, a cui si è buttato lo script), sia come si fa - ma lavorando già con una piccola tabella in generale - cercando le regolarità relative, ed è possibile pensare ad altro. E in questa fase CatBoost può già digerire i dati con gioia, come soluzione intermedia. È possibile estrarre da essi foglie e regole, ma di solito sono deboli.
Nel vostro approccio ci sono strumenti che tengono conto dell'invarianza dei dati?
https://en.wikipedia.org/wiki/Affine_transformationCi sono strumenti nel vostro approccio per tenere conto dell'invarianza dei dati?
https:// en.wikipedia.org/wiki/Affine_transformationForse è rilevante per più punti, ad esempio per trovare modelli simili, ma nel mio caso c'è essenzialmente un punto nella prima fase. Il punto viene convertito/normalizzato in diversi sistemi di misurazione relativi - scala temporale e prezzo, più un terzo spazio - qualsiasi predittore discreto che descriva continuamente il mercato. Si ottengono 3 dimensioni nella rappresentazione iniziale. Ognuna ha la sua tabella quantistica.