L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1606
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
in primo luogo, cosa fallisce dei regressori? che sciocchezza, allora perché anche la MGUA fallisce quando il problema diventa più complicato?
secondo, i dati che ho dato nell'esempio sono gli stessi sia per il MGUA che per il boost.
In terzo luogo, non hai bisogno di fare nulla, non puoi fare una matrice con quattro valori casuali in python e poi cumularli? Per verificare la spinta da soli?
2 righe di codice )))
Mi sto chiedendo cosa diavolo sia.
mgua crea variabili false dal sorgente, (a seconda del kernel che usate)
il mgua crea variabili false, (a seconda del kernel utilizzato) ancora una volta
Lascia perdere MSUA, ti dico - crea un set di dati come il mio ed esegui il tuo booing su di esso e vedi cosa succede, SENZA MSUA, solo forrest o quello che vuoi. O inviarvi un file di testo con i miei dati?
Lasciate perdere l'MSUA, ve lo dico io - create un set di dati come il mio ed eseguite il vostro boosting su di esso e vedete cosa ottenete, SENZA MSUA, solo forrest o quello che volete. O devo mandarvi un file di testo con i miei dati esatti?
sì ti sto dicendo perché boosting è poco addestrato ka kusumma voi e mgua è buono. A causa di regressori falsi, regressori polinomiali, per esempio.
prendere una regressione lineare x su y, aggiungere x^2, x^3 come finti regressori, si ottiene una regressione polinomiale che si adatta alla curva
e la foresta non si adatta così bene alla sola x. E mgua mette in massa variabili false su scala industriale
Sto parlando della parte tecnica. Ecco perché pensate che mgua sia fantastico e che il boosting sia una merda. Perché non capite come usareEugene Buon pomeriggio, grazie mille, almeno per il fatto che lei è un praticante e non un altro rubbishman di cui ci sono il 95%.... Quello che fai(test su un "terzo" campione) in termini di GMDH si chiama "criterio di potenza predittiva"http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1.82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune.
Ricordiamo che le prime pubblicazioni sul GMDH sono iniziate da qualche parte nel 1960 e che l'idea del "tuo know-how" con il testsul "terzo" campione ha già 60 anni)))
Ma voglio notare che l'approccio non invecchia mai, quindi consiglio vivamente di leggere le operedi A.G. Ivakhnenko...
Per esempio la regressione MSUA prende in giro la regressione del moderno algoritmo random forest e tutti i tipi di boosting...
Ora riguardo ai link su Telegram... Non ci ho trovato altro che segnali, ma è interessante leggere il tuo approccio e il tuo modo di pensare, Dmitry aveva ragione a dire che è necessario pubblicare qui, anche se in una forma apertamente becera...
Sto semplicemente affermando che sono stato in grado di addestrare la rete neurale e i suoi segnali nel mercato reale confermano che è adeguatamente addestrata.
Questa è la prima dimostrazione pubblica di una rete funzionante in mezzo al fallimento generale di questo argomento e alla mancanza di risultati affidabili.
Se avete guardato i segnali, avrete notato che la rete reagisce correttamente al mercato. Inoltre, il suo comportamento non può essere spiegato dalle nostre solite strategie di trading o dal legame con gli indicatori, al contrario, il suo comportamento è spesso illogico.
La performance è irrilevante in questa fase, ciò che conta qui è il fatto che sia addirittura possibile, e la qualità della previsione può essere migliorata all'infinito, è una questione di tempo e di attrezzature.
Sì, ti sto dicendo perché il boosting è poco allenato ka cusumma te e mgua è buono. A causa di regressori falsi, polinomiali, per esempio.
prendere una regressione lineare x su y, aggiungere x^2, x^3 come finti regressori, si ottiene una regressione polinomiale che si adatta alla curva
e la foresta non si adatta così bene alla sola x. E mgua mette in massa variabili false su scala industriale
Intendo la parte tecnica della domanda. Ecco perché pensate che mgua sia fantastico e che il boosting sia una merda. Perché non capite come usaresi... capito ))
Ma esce ancora bene che i falsi regressori di MGUA
E il fatto che Forest non produca regressori falsi è un male.
Perché MSUA può gestire gli stessi dati "out of the box" e il boosting ha bisogno di creare manualmente questi regressori... E cosa creare non lo so, tutto dipende dai dati
Non capisco questa sottile ironia, cosa ha a che fare questo con GMDH? Non ho affermato che questo è il mio know-how, è solo un controllo di routine dei risultati.
Sto semplicemente affermando che sono stato in grado di addestrare la rete neurale e i suoi segnali nel mercato reale confermano che è addestrata adeguatamente.
Questa è la prima dimostrazione pubblica di una rete funzionante in mezzo al fallimento generale di questo argomento e alla mancanza di risultati affidabili.
Se avete guardato i segnali, avrete notato che la rete reagisce correttamente al mercato. Inoltre, il suo comportamento non può essere spiegato dalle nostre solite strategie di trading o dall'indicatore vincolante, al contrario, il suo comportamento è spesso illogico.
L'efficacia, in questa fase non importa, ciò che conta è il fatto che è anche possibile, e la qualità delle previsioni può essere migliorata all'infinito, è una questione di tempo e di attrezzature.
Lascia perdere l'ironia ))
I segnali sotto forma di messaggi di testo è in qualche modo difficile confrontare le prestazioni sul mercato, sarei felice di vedere il commercio in una forma più visiva. Sarei felice di vedere i risultati del trading in una forma visiva. Di nuovo, non una sola parola sull'algoritmo di azioni per creare l'algoritmo di trading, quali sono i chip, qual è l'obiettivo, come i dati vengono preprocessati, ecc.
Max, hai provato a usare regole associative per trovare modelli come l'algoritmo arriori o simili?
Non badare all'ironia ))
I segnali sotto forma di messaggi di testo sono difficili da confrontare le prestazioni nel mercato, sarei felice di vedere il commercio in una forma più visiva. Sarei felice di vedere i risultati del trading in una forma visiva. E ancora una volta non una sola parola sull'algoritmo di azioni per creare l'algoritmo di trading, quali sono i chip, qual è l'obiettivo, come i dati vengono preprocessati e così via.
1) solo M1 tf, perché le previsioni non sono legate ai timeframe,
2) l'indicatore dovrà richiedere le informazioni via socket dal mio server, perché è irreale eseguire tensorflow sul client.
3) Ora il calcolo di tutti i modelli per ogni candela richiede 12-13 secondi, la prossima volta sarà molto più lungo, dovrò esaurire l'hardware...
La seconda opzione - per provare a fare un indicatore su tradingview, ma non è certo che pino supporta i web-sockets. Non ci sono altre opzioni, disegnare grafici in modo retroattivo - nessuno ci crederà.
Per quanto riguarda l'algoritmo e il resto - sono pronto a rispondere a qualsiasi domanda, tranne la logica della selezione dei dati di input per l'allenamento.
Sì, la visualizzazione è necessaria, i segnali sono storti. C'è un'idea per fare un indicatore di tipo AO - sotto ogni candela c'è una barra con forza di previsione sopra e sotto lo zero. Ma ci sono dei problemi:
1) solo M1 tf, perché le previsioni non sono legate ai timeframe,
2) l'indicatore dovrà richiedere le informazioni via socket dal mio server, perché è irreale eseguire tensorflow sul client.
3) Ora il calcolo di tutti i modelli per ogni candela richiede 12-13 secondi, la prossima volta sarà molto più lungo, dovrò esaurire l'hardware...
La seconda opzione - per provare a fare un indicatore su tradingview, ma non è certo che pino supporta i web-sockets. Non ci sono altre opzioni, disegnare grafici in modo retroattivo - nessuno ci crederà.
Per quanto riguarda l'algoritmo e il resto - sono pronto a rispondere a qualsiasi domanda, tranne la logica della selezione dei dati di input per l'allenamento.
È difficile chiedere qualcosa qui, tutto inizia con la pre-elaborazione dei dati, ed è di questo che non si vuole parlare... (
OK... Mi sto chiedendo
1. L'algoritmo funziona sulle valute
2. Costruisce la previsione per una lunghezza fissa di n candele o la rete decide da sola per quanto tempo andrà
3. Perché ci vuole così tanto tempo per elaborare il segnale 12-13 sec per candela
4. Perché volete trasmettere pubblicamente gli accordi?
5. per le previsioni, utilizzare i dati sotto forma di funzione (prezzo, indicatore) o qualcosa di più complicato.
la migliore visualizzazione è l'accordo
Si... capito ))
Ma viene comunque bene che vengano prodotti dei regressori MSUA falsi.
E il fatto che Forest non produca regressori falsi è un male.
Perché con gli stessi dati MSUA può gestire "out of the box" e boosting ha bisogno di creare questi regressori manualmente ... Non so quali creare, tutto dipende dai dati
ci sono librerie speciali separate per generare caratteristiche fittizie e poi è possibile aggiungerle all'elenco.
mgua stesso è un algoritmo debole che utilizza la regressione ordinaria, quindi genera idioti fuori dalla scatola