L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1492
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
Sì, poi rilevarli in futuro e scegliere un modello che funzioni bene su questo particolare cluster
https://radfiz.org.ua/files/temp/Lab1_16/alglib-3.4.0.csharp/csharp/manual.csharp.html#example_mcpd_simple1
trovato esempi qui, cerca "markov".
interessante articolo sulla formazione NS su Habra ( solo una lettura )Restauro di foto con reti neurali
il più prezioso, come sempre, sono i commenti degli utenti - in tutto l'articolo l'autore descrive una grande svolta nel suo lavoro, come al solito con un confronto di software di terze parti, ma gli utenti subito sottolineato il difetto - la predominanza del verde
conclusione - la preparazione dei dati di input è più importante della stessa tecnologia di formazione NS
la conclusione è che la preparazione dei dati di input è più importante della stessa tecnologia di formazione NS
Sorcerer l'ha detto un miliardo di pagine fa.
Signori, quando imparerete ad ascoltarvi? Cos'è questa ristrettezza di vedute e stupidità da bifolchi? È davvero fastidioso e irritante.
interessante articolo sulla formazione NS su Habra ( solo una lettura )Restauro di foto con reti neurali
il più prezioso, come sempre, sono i commenti degli utenti - in tutto l'articolo l'autore descrive una grande svolta nel suo lavoro, come al solito con un confronto di software di terze parti, ma gli utenti subito sottolineato il difetto - la predominanza del verde
la conclusione - la preparazione dei dati di input è più importante della tecnologia della formazione NS
Il punto è che l'immagine non si muove e non cambia, così come le impronte digitali. E nel riconoscimento dei modelli l'apprendimento automatico è indispensabile.
Ma quando il MO viene applicato sui dati storici nel forex, crea solo l'illusione di aver trovato l'opzione migliore.
Quando in realtà ha semplicemente imparato a bypassare tutte le zone pericolose della storia, ottenendo un grande grafico di guadagni.
Ma il prezzo è un processo dinamico che cambia sempre e va avanti, e nessuno può indovinare dove andrà il prezzo: così, un robot basato sull'apprendimento automatico farà sempre un errore nel trading reale in situazioni insolite.
Ma quando il MO viene applicato sui dati storici nel forex, crea solo l'illusione di aver trovato l'opzione migliore.
E in realtà ha semplicemente imparato sulla storia a bypassare tutte le zone pericolose, ottenendo un grande grafico dei guadagni.
leggere tutto questohttps://habr.com/ru/post/443240/
Ma non è così male, cercherò di mostrare la mia opinione per la centesima volta: MO non è meglio e non è peggio di GA strategy tester,
ma è comunque un argomento molto interessante, è affascinante ))))
Ecco altri esempi https://csharp.hotexamples.com/examples/-/mcpd.mcpdreport/-/php-mcpd.mcpdreport-class-examples.html
Beh, risulta essere abbastanza facile da applicare. Dall'esempio 1.
Impostiamo il numero di stati e le sequenze di transizioni (diciamo storiche). Cioè le probabilità di essere in un dato stato. E poi conta la probabilità totale per tutti gli stati.
O su MAshki per fare un semplice esempio per l'inizio, ma finora non so ancora come farlo, forse@mytarmailS spiegherà.
Una tale strategia con le MA (molto semplice) è descritta qui
https://www.quantstart.com/articles/market-regime-detection-using-hidden-markov-models-in-qstrader
Beh, risulta essere abbastanza facile da applicare. Dall'esempio 1.
Impostiamo il numero di stati e le sequenze di transizioni (diciamo storiche). Cioè le probabilità di essere in un dato stato. E poi conta la probabilità totale per tutti gli stati.
O su MAshki per fare un semplice esempio per l'inizio, ma finora non so ancora come farlo, forse@mytarmailS spiegherà.
In alglib, come ho capito (probabilmente sbagliato), devi compilare tu stesso i binari per il numero di cluster richiesto. In questi esempi in Python, chiedete il numero giusto di cluster e ridistribuirà i dati da solo.
Anche se se la classificazione, con 2 classi, potremmo probabilmente concatenare come segue: iniziando con 0 fino a diventare 1; e iniziando con 1 fino a diventare 0. Poiché non abbiamo intermedi 0,95, 0,8, ecc.
In alglib, per come la vedo io (probabilmente sbagliata), devi compilare tu stesso i binari per il numero di cluster richiesto. E in quegli esempi Python, chiedi il numero giusto di cluster e ridistribuisce i dati da solo.
Anche se se la classificazione, con 2 classi, si potrebbe probabilmente concatenare in questo modo: iniziando con 0 fino a diventare 1; e iniziando con 1 fino a diventare 0. Poiché non abbiamo intermedi 0,95, 0,8, ecc.
Non capisco affatto come funziona. Perché non usate la classificazione tramite NS?
Non capisco come emette i risultati in python, compresi i nuovi dati. E in alglib come ottenere lo stato previsto su nuovi dati, e per ogni dimensione separatamente. Troppi Buckeyes alla volta.
e sembra che ci sia qualcosa di sbagliato con l'alglib, un modello diverso