L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3258
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
Quasi il doppio del consumo dovuto a questa linea.
È solo una transizione da CMatrixDouble a matrix<double>. Ho anche dovuto fare questo confronto tra matrici per motivi di memoria.
E il tempo è aumentato del 40% a causa di questa conversione. Commentato // Res = MatrixOut.ToMatrix();
Cioè se si lavora solo con Alglibov fnzionale (senza convertire le sue matrici in matrici terminali), sarà più veloce.
Quanto tempo impiega Python per calcolare la stessa dimensione della matrice originale come nell'esempio precedente?
Misura del tempo considerando la creazione della matrice
gettare via le pietre )
Misurazione del tempo tenendo conto della creazione della matrice
Questo è su un vecchio FX-8350.
Su questa base ho effettuato un calcolo della matrice di correlazione.
Ho misurato le prestazioni.
Per le statistiche, questo è il risultato che ho ottenuto
Devo notare che Python ha una piccola parallelizzazione durante l'esecuzione del codice - per mezzo secondo per circa due core, il resto viene conteggiato su un core.
la libreria NumPy è scritta in C.
Beh, sì, ha senso. Ecco perché ho detto che il wrapper python è più veloce di un compilatore C come MQL5.
Qui su R ChatGPT offre
Risultato
Da quanto ho capito, python può lavorare con una matrice intera e le velocità qui sono di un ordine diverso qui
Se il codice è corretto, il risultato è il seguente
La questione dell'accuratezza/comparabilità dei risultati dei calcoli dovrebbe essere verificata.
Si tratta semplicemente di una transizione da CMatrixDouble a matrix<double>.
Richiede il 20% in più di tempo di esecuzione per convertire i formati in entrambi i modi. Ma è ancora molto più lento (> 3 volte) di NumPy.