L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2706
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
Leggo qui, vedo che ognuno capisce le proprie conversazioni...
Non si possono confrontare i metodi di generazione dei tratti perché non ho ancora creato un sistema in codice. Ciò che si può confrontare è il vostro sistema con il mio insieme di predittori e il mio sistema/metodologia per selezionarli.
Chiunque può ottenere i dati dall'intervallo storico del server MQL - voi volete una storia continua. Ma il campione finale da addestrare sarà un campione di ordine di grandezza inferiore, ma con predittori aggiuntivi.
L'Expert Advisor che propongo di utilizzare salverà i predittori aperti e alla fine del file csv ci saranno colonne con il risultato finanziario e l'obiettivo - è possibile prendere informazioni sul momento di attivazione della "regola iniziale"/funzione di attivazione da lì, quindi non c'è bisogno di riprodurre l'algoritmo in R.
Suggerisco l'intervallo di tempo - dal 2010 al 2020 - per la formazione, il resto del tempo per testare i risultati al di fuori della formazione.
Quando create i vostri predittori, potete salvare il risultato in csv - e io lo farò. Inoltre, è possibile unire le colonne e studiare su diversi intervalli o solo separatamente - è necessario per confrontare la correttezza della sincronizzazione.
Se non volete occuparvi di questo aspetto, posso inviarvi solo il markup.
Non è possibile confrontare i metodi di generazione delle caratteristiche, poiché non ho ancora creato un sistema in codice. È possibile confrontare il proprio sistema con il mio insieme di predittori e il sistema/metodo di selezione degli stessi.
Chiunque può ottenere i dati dall'intervallo storico del server MQL - si vuole una storia continua. Ma il campione finale, che verrà utilizzato per l'addestramento, sarà un ordine di grandezza più piccolo di stringhe con esempi, ma con predittori aggiuntivi.
L'Expert Advisor che propongo di utilizzare salverà i predittori aperti e alla fine del file csv ci saranno colonne con il risultato finanziario e l'obiettivo - è possibile prendere informazioni sul momento di attivazione della "regola iniziale"/funzione di attivazione da lì, quindi non c'è bisogno di riprodurre l'algoritmo in R.
Suggerisco l'intervallo di tempo - dal 2010 al 2020 - per la formazione, il resto del tempo per la verifica dei risultati al di fuori della formazione.
Quando create i vostri predittori, potete salvare il risultato in csv - e io lo farò. È possibile unire le colonne e studiare su diversi intervalli o solo separatamente - è necessario per confrontare la correttezza della sincronizzazione.
Se non volete occuparvene, posso inviarvi solo il markup.
Torniamo alla logica
ci possono essere molti attributi diversi e possono essere informativi o meno, dipende dalla loro relazione con l'obiettivo.
Qual è la differenza tra una relazione e un adattamento? Il grado di dipendenza informativa espresso attraverso una qualche misura.
più bassa è la dipendenza informativa delle etichette da ogni singola caratteristica, più caratteristiche sono necessarie per l'addestramento.
L'aumento del numero di caratteristiche porta al fitting, perché il sistema inizia ad avere molti parametri liberi.
qual è l'unico approccio corretto in questo caso? Ridurre al minimo il numero di caratteristiche, aumentando al contempo il loro rapporto con le caratteristiche target.
Per questo motivo è necessario bombardare non solo le caratteristiche, ma anche le caratteristiche target, secondo un criterio di legame informativo.
Se qualcuno lavorerà in questa direzione, lo aiuterò con il codice.Torniamo alla logica
ci possono essere molti attributi diversi e possono essere informativi o meno, dipende dalla loro relazione con gli attributi di destinazione.
Qual è la differenza tra una relazione e un adattamento? Il grado di dipendenza informativa espresso attraverso una qualche misura.
più bassa è la dipendenza informativa delle etichette da ogni singola caratteristica, più caratteristiche sono necessarie per l'addestramento.
L'aumento del numero di caratteristiche porta al fitting, perché il sistema inizia ad avere molti parametri liberi.
qual è l'unico approccio corretto in questo caso? Ridurre al minimo il numero di caratteristiche, aumentando al contempo il loro rapporto con le caratteristiche target.
Per questo motivo è necessario bombardare non solo le caratteristiche, ma anche le caratteristiche target, secondo un criterio di legame informativo.
Se qualcuno lavorerà in questa direzione, lo aiuterò con il codice.Naturalmente sono d'accordo con la logica, per questo ho suggerito prima di identificare i predittori in modo casuale e poi usarli per il markup.
Per me, questi punti che hanno capacità predittiva sono eventi, che in genere penso di addestrare separatamente, o di separare i fogli da essi, per poi effettuare qualsiasi procedura di addestramento cumulativo.
Un evento di questo tipo può essere considerato come un sistema di trading separato e il comportamento/efficienza di questi sistemi può essere analizzato.
Ora, per me il problema del netting è la contabilità indipendente di questi eventi, cioè un supporto virtuale che funzioni correttamente sui dati reali con perdita di comunicazione e altre delizie.
I metodi di generazione delle caratteristiche non possono essere confrontati perché non ho ancora creato il sistema in codice.
Quindi confrontate i metodi di generazione dei predittori umani e automatici :)
Quindi confrontate i metodi di generazione dei predittori da parte dell'uomo e della macchina :)
Cosa ci fai allora in questa faccenda?
Solo per chiarire, i miei predittori generati.
In particolare, i miei predittori generati.
Ovviamente sono d'accordo con la logica, per questo ho suggerito prima di identificare i predittori in modo casuale e poi usarli per il markup.
Per me, questi punti che hanno capacità predittiva sono eventi che in genere penso di addestrare separatamente, o di separare i fogli da essi, per poi effettuare qualsiasi procedura di addestramento aggregato.
Un evento di questo tipo può essere considerato come un sistema di trading separato e si può analizzare il comportamento/l'efficienza di questi sistemi.
Ora, per me il problema del netting è la contabilità indipendente di questi eventi, cioè un supporto virtuale che funzioni correttamente sui dati reali con perdita di comunicazione e altre delizie.
Pensate davvero che ci sia un valore in questo?
Certo che c'è. Potete vedere che tipo di guadagno vi dà il vostro metodo. Forse è così insignificante che non ha senso implementarlo, o viceversa.