L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1353
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
Un mercato BP è stato alimentato all'ingresso LPF. La stessa BP è alimentata all'ingresso NS. Sì, è vero, la rete ha descritto il funzionamento del LPF e ha fatto una previsione della sua uscita ad un dato intervallo.
Per quanto riguarda il boosting - no, non l'ho provato.
Se non è di troppo disturbo, farò un tentativo.
Pubblica un campione, se non ti dispiace, lo proverò.
Non capisco, quale campione? La stessa BP? Puoi farlo. Ma un campione della BP è casuale.
Non capisco, che tipo di campione? La stessa BP? Puoi farlo. Ma il campione di BP è casuale.
Non puoi scriverlo in un file? Devi usare Python, dove puoi scaricare i campioni divisi, preparati per l'allenamento, in un file, giusto?
Non puoi scriverlo in un file? Probabilmente lo stai facendo in Python, dove puoi scaricare in un file i campioni divisi preparati per l'allenamento, giusto?
Ripetiamo ancora una volta.
1. L'intera BP è 55k OHLSV. Casualmente 5 - 6k linee di lunghezza 20 (solo Close) sono estratte da esso. Andrà agli ingressi NS per la formazione.
2. Il campionamento secondo la clausola 1 è passato attraverso un LPF. Ora otteniamo una sequenza di lunghezza 20+Tr. Dove Tp è il tempo di predizione. L'ultimo valore dell'uscita LPF è il valore target.
3. Alimentazione ai NS 1 e 2 - formazione.
O forse non capisco qualcosa.
PS Cercando di salvare i dati. I formati di file .mat o .spydata funzionano? L'esportazione in CSV in qualche modo non è arrivata, dovrebbe cercare.
Ripetiamo ancora una volta.
1. L'intera BP è 55k OHLSV. Casualmente 5 - 6k linee di lunghezza 20 (solo Close) sono estratte da esso. Andrà agli ingressi NS per la formazione.
2. Il campionamento secondo la clausola 1 è passato attraverso un LPF. Ora otteniamo una sequenza di lunghezza 20+Tr. Dove Tp è il tempo di predizione. L'ultimo valore dell'uscita LPF è il valore target.
3. Alimentazione ai NS 1 e 2 - formazione.
O forse non capisco qualcosa.
PS Cercando di salvare i dati. I formati di file .mat o .spydata funzionano? L'esportazione in CSV in qualche modo non è stata trovata, è necessario cercarla.
Ok, non preoccuparti.
Non so come leggere questi formati.
Ma non sono sicuro di quali siano i predittori...
OK, non preoccupatevi.
Non so con cosa leggere questi formati.
Ma non sono sicuro di quali siano i predittori...
Non ci sono predittori, una serie scalare di valori di Close - [Close[i-0], Close[i-1], Close[i-2],...,Close[i-19]] - è direttamente alimentata all'ingresso NS.
Come obiettivo - un valore di uscita VLF [i + Tp], dove Tp è il tempo di previsione in minuti. L'importo totale di tali stringhe è di 5-6 mila.
ZZY In generale, è interessante vedere i risultati nella foresta. Se avete intenzione di farlo, farò un CSV nel prossimo futuro.
Bene, un altro grafico di previsione per finire. Prevedere FNF (approssimativamente uguale a EMA(8)) per 5 minuti. Lo mostro perché è abbastanza possibile lavorare con le previsioni.
.
Beh, questo cittadino ha detto molto e vagamente... Lo scopo principale del suo messaggio era che niente può aiutarmi: né Erlang, né Bachelier, niente di niente, tranne le righe che lui ha dato.
Niente funziona sui miei modelli - ecco perché sono venuto qui, forse la rete neurale vedrà qualcosa.
Cerca su Wikipedia altri cognomi - ce ne sono molti. Più cognomi conosci, più sembrerai intelligente. Qualcosa che Kalomorov ha dimenticato di menzionare di nuovo.
Non ci sono predittori, una serie scalare di valori di Close - [Close[i-0], Close[i-1], Close[i-2],...,Close[i-19]] - è direttamente alimentata all'ingresso NS.
Come obiettivo - un valore di uscita VLF [i + Tp], dove Tp è il tempo di previsione in minuti. L'importo totale di tali stringhe è di 5-6 mila.
ZZY In generale, è interessante vedere i risultati nella foresta. Se hai intenzione di farlo, farò un CSV a breve.
Se tu fai il campionamento, io lo farò. È vero, non sarebbe una classificazione, ma sarebbe comunque interessante.
Se fai un campionamento, ti faccio fare un giro. Non è una classificazione, però, ma è interessante.
OK. Ma non urgente.
Se fai un campione, ti faccio fare un giro. Non è una classificazione, però, ma è interessante.
Ecco gli archivi. Vedere l'allegato.
Learn.csv - input. Prima cifra in ogni riga - storia vincolante, dovrebbe essere cancellata.
Cell.scv - obiettivo.
Questo è il grafico che dovremmo ottenere dopo l'allenamento su questi dati.
Il filtro è approssimativamente uguale a EMA(16) e la previsione - 5 min.
Eseguirò il test più tardi, se necessario.