L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2014
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
Questa è una domanda per tutti:
Ricevo anche fasci di segnali unidirezionali dalla rete. È più o meno come qui.
A volte ho 100 o anche 200 perdite di fila. C'è solo una via d'uscita: fare trading con lotti microscopici, come lo 0,5% del deposito.
Chi ha idee per non scambiare centinaia di segnali consecutivi?
Scambiate il primo e poi non scambiate fino alla chiusura di quello aperto? Mi sembra che non sia la soluzione migliore.
Quali opzioni avete?
Vi state addestrando su dati molto rumorosi (signs\target), per esempio sugli incrementi, ecco perché il segnale è molto rumoroso. Si potrebbe provare a smussare i segni e il target, o il segnale finale stesso, per ridurre il rumore nel segnale, ma questo non aiuterà molto o toglierà del tutto i profitti.
Questa è una domanda per tutti:
Ricevo anche fasci di segnali unidirezionali dalla rete. È più o meno come qui.
A volte ho 100 o anche 200 perdite di fila. C'è solo una via d'uscita: fare trading con lotti microscopici, come lo 0,5% del deposito.
Chi ha idee per non scambiare centinaia di segnali consecutivi?
Scambiate il primo e poi non scambiate fino alla chiusura di quello aperto? Mi sembra che non sia la soluzione migliore.
Quali sono le opzioni?
L'apertura è una logica, la scorta e la chiusura un'altra. Io preferisco così. Le fermate sono un'assicurazione. Altrimenti, sì, aprire solo con stop è meglio per limitare il numero di ordini aperti.
Questa è una domanda per tutti:
Ricevo anche fasci di segnali unidirezionali dalla rete. È più o meno come qui.
A volte ho 100 o anche 200 perdite di fila. C'è solo una via d'uscita: fare trading con lotti microscopici, come lo 0,5% del deposito.
Chi ha idee per non scambiare centinaia di segnali consecutivi?
Scambiate il primo e poi non scambiate fino alla chiusura di quello aperto? Mi sembra che non sia la soluzione migliore.
Quali sono le opzioni?
Perché scambiarli, è come la roulette russa con una pistola di piccolo calibro :)
Hai avuto fortuna con il test?
Come va, hai avuto fortuna con il test?
Sempre lo stesso... all'inizio della settimana funziona bene, dopo il 'pre-allenamento'. Poi inizia a piovere. Rielaborato di nuovo, lo metterò alla prova domani :D
Alcuni robot di trading possono essere calcolati erroneamente nel trader... Dopo una serie di aggiornamenti inizia a fare trading nel modo sbagliato
Sto anche lavorando sulle reti di ricorrenza in torcia.
giallo - inizio delle settimane, primi 1-3 giorni
Qualcuno ha provato a usare reti ripetitive (ricorrenti?) per ridurre la dimensionalità?
Articolo.
Video.
Qualcuno ha provato a usare reti ripetitive (ricorrenti?) per ridurre la dimensionalità?
Articolo.
Video.
si usano autocodificatori ricorsivi. non ho provato
si usano autocodificatori ricorsivi. non ho provato
Non riesco a capire come tutti i neuroni di uscita, il cui numero è uguale al numero di neuroni di ingresso, siano valutati contemporaneamente...
Se vedete qualcosa di simile, adatto all'uso, fatemelo sapere.
Ho una dimensione del campione che si avvicina a 3000 predittori e c'è la preoccupazione che possano essere altamente compressi, poiché descrivono un dominio simile.
Non riesco a capire come la stima della qualità del modello vada in una sola volta per tutti i neuroni di uscita, il cui numero è uguale ai neuroni di ingresso...
Se vedete qualcosa di simile, adatto all'applicazione, fatemelo sapere.
Ho un campione che si avvicina ai 3000 predittori, e c'era la preoccupazione che potessero essere altamente compressi, poiché descrivono un dominio simile.
L'input e l'output sono tutti fic, ci sono meno neuroni nello strato nascosto. Semplicemente comprime le informazioni minimizzando l'errore nell'output. L'input dovrebbe essere uguale all'output (idealmente). Poi la seconda parte di NS viene scartata dopo l'addestramento e si ottengono in uscita caratteristiche compresse pari al numero di neuroni nello strato nascosto
si possono aggiungere strati ricorrenti, ecc.
google autoencoder e le loro varianti.