L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 294

[Mikhail Toptunov]

Come pensi che debba essere gestito quello ricorsivo?

Con lstm

+import numpy as np
+from keras.preprocessing import sequence
+from keras.models import Sequential
+from keras.layers import Dense, Activation, Embedding
+from keras.layers import LSTM
+from keras.datasets import imdb
+
+# Устанавливаем seed для повторяемости результатов
+np.random.seed(42)
+# Максимальное количество слов (по частоте использования)
+max_features = 5000
+# Максимальная длина рецензии в словах
+maxlen = 80
+
+# Загружаем данные
+(X_train, y_train), (X_test, y_test) = imdb.load_data(nb_words=max_features)
+
+# Заполняем или обрезаем рецензии
+X_train = sequence.pad_sequences(X_train, maxlen=maxlen)
+X_test = sequence.pad_sequences(X_test, maxlen=maxlen)
+
+# Создаем сеть
+model = Sequential()

Come gestire l'input, cosa mettere in loop

[Mikhail Toptunov]

+# Создаем сеть
+model = Sequential()
+# Слой для векторного представления слов
+model.add(Embedding(max_features, 32, dropout=0.2))
+# Слой долго-краткосрочной памяти
+model.add(LSTM(100, dropout_W=0.2, dropout_U=0.2))  # try using a GRU instead, for fun
+# Полносвязный слой
+model.add(Dense(1, activation="sigmoid"))
+
+# Копмилируем модель
+model.compile(loss='binary_crossentropy',
+              optimizer='adam',
+              metrics=['accuracy'])
+
+# Обучаем модель
+model.fit(X_train, y_train, batch_size=64, nb_epoch=7,
+          validation_data=(X_test, y_test), verbose=1)
+# Проверяем качество обучения на тестовых данных
+scores = model.evaluate(X_test, y_test,
+                        batch_size=64)
+print("Точность на тестовых данных: %.2f%%" % (scores[1] * 100))

[mytarmailS]

Top2n:
Già provato tutto

registrarsi ahttp://ru.stackoverflow.com una risorsa appositamente creata per porre domande sulla programmazione, in qualsiasi lingua, tutto il giorno, e allo stesso tempo aumenterà la base di risposte corrette in russo

[Vladimir Perervenko]

Top2n:

Come pensi che debba essere gestito quello ricorsivo?

Con lstm

+import numpy as np
+from keras.preprocessing import sequence
+from keras.models import Sequential
+from keras.layers import Dense, Activation, Embedding
+from keras.layers import LSTM
+from keras.datasets import imdb
+
+# Устанавливаем seed для повторяемости результатов
+np.random.seed(42)
+# Максимальное количество слов (по частоте использования)
+max_features = 5000
+# Максимальная длина рецензии в словах
+maxlen = 80
+
+# Загружаем данные
+(X_train, y_train), (X_test, y_test) = imdb.load_data(nb_words=max_features)
+
+# Заполняем или обрезаем рецензии
+X_train = sequence.pad_sequences(X_train, maxlen=maxlen)
+X_test = sequence.pad_sequences(X_test, maxlen=maxlen)
+
+# Создаем сеть
+model = Sequential()

Come controllare l'ingresso, cosa mettere in loop

A giudicare da questi frammenti di codice si vuole indagare/risolvere il problema della predizione del testo. Ho subito alcune domande:

• Cosa c'entra questo con il trading?
• Come pensate di collegare il codice Python a MT4/5?

Naturalmente LSTM si riferisce ai modelli di apprendimento automatico, ma textMining al trading?

Se hai esperienza e know-how in materia, inizia un nuovo thread, per esempio: TextMiningPython. Se ci sono degli appassionati, vi sosterranno. Seguirò lo sviluppo con interesse. Ma iniziate con una descrizione coerente dell'input, dei dati di destinazione, dei collegamenti alle fonti di dati e del problema che volete risolvere. Dal momento che il tuo post per capire di cosa si tratta può essere compreso solo da un sensitivo di livello molto alto.

Buona fortuna.

[mytarmailS]

c'è un servizio di google chiamato google correlatehttps://www.google.com/trends/correlate

Può cercare le query correlate dell'utente, le query sono presentate sotto forma di BP. Il servizio è interessante perché puoi caricare il tuo BP in esso e lui cercherà tali query che sono correlate con il BP specificato.

L'idea è di caricare lì il prezzo del simbolo e vedere con cosa è correlato, può essere utile per cercare nuovi predittori, naturalmente capisco che la correlazione è un modo molto rozzo per trovare collegamenti, ma tuttavia è interessante....

Bene, il problema è che non capisco in che forma il servizio dovrebbe alimentare i dati con il prezzo dello strumento, qualcuno può capire e dirmi come preparare i dati e in che forma dovrebbero essere

aggiunto...........

Ecco un altro articolo per dare una comprensione più profonda dei servizi di googlehttp://forbes.net.ua/opinions/1336134-google-pomogaet-ustanovit-zhdut-li-ukraincy-krizisa

l'articolo mostra che è stata trovata una forte correlazione tra ladinamica della produzione industriale reale

in Ucraina con query diricerca per lafrase "credito al consumo" in Ucraina

[Mihail Marchukajtes]

mytarmailS:

c'è un servizio di google chiamato google correlatehttps://www.google.com/trends/correlate

Può cercare le query correlate dell'utente, le query sono presentate sotto forma di BP. Il servizio è interessante perché puoi caricare il tuo BP in esso e lui cercherà tali query che sono correlate con il BP specificato.

L'idea è di caricare lì il prezzo del simbolo e vedere con cosa è correlato, può essere utile per la ricerca di nuovi predittori, naturalmente capisco che la correlazione è un modo molto rozzo per trovare collegamenti ma tuttavia è interessante....

Bene, il problema è che non capisco in che forma il servizio dovrebbe alimentare i dati con il prezzo dello strumento, forse qualcuno può capirlo e dirmi come preparare i dati e in che forma dovrebbe essere

È fantastico, ma mi ricordo che c'erano indicatori come l'entropia e qualcos'altro, e improvvisamente ho voluto alzare i record...... Forse ne verrà fuori qualcosa di utile....

[Dr. Trader]

mytarmailS:

c'è un servizio di google...

interessante, ecco il codice, ma google non ha trovato nulla di correlativo

library(lubridate)
library(rusquant) #install.packages("rusquant",  repos="http://R-Forge.R-project.org")


#для  недельных баров, сдвиг на одну дату назад ибо в сша первый день недели это воскресенье
getSymbols("EURUSD",src = "Finam", period="week", from = 0)
eurusdTime <- as.character(ymd(time(EURUSD))-days(1))


# #для  месячных баров
#  getSymbols("EURUSD",src = "Finam", period="month", from = 0) #месячные  бары вместо недельных
#  eurusdTime <- as.character(ymd(time(EURUSD))) #для  месячных баров



#либо  первый вариант, либо второй, зависит от того как в гугле данные относятся к дате - с отставанием или опережением. я не знаю.
eurusdOpen <- as.numeric(scale(c(diff(as.numeric(EURUSD$EURUSD.Open))[-1], 0, 0)))
#  eurusdOpen <- as.numeric(scale(c(diff(as.numeric(EURUSD$EURUSD.Open)), 0)))


write.table(matrix(c(eurusdTime,eurusdOpen), ncol=2), file="table.csv", sep=",", dec=".", row.names = FALSE, col.names = FALSE)

[mytarmailS]

Dr.Trader:

interessante, ecco il codice, ma google non ha trovato nulla di correlativo

Grazie!!!

non c'è bisogno di differenziare lì, si perde la struttura della serie e la tendenza, non c'è nemmeno bisogno di scalare, la correlazione nei calcoli livella i valori assoluti... Il massimo che si può fare è rimuovere la tendenza per trovare qualche caratteristica stagionale, ma è dubbio che ne abbiate bisogno...

Provatelo e funzionerà.

library(lubridate)
library(rusquant) #install.packages("rusquant",  repos="http://R-Forge.R-project.org")


#для  недельных баров, сдвиг на одну дату назад ибо в сша первый день недели это воскресенье
getSymbols("EURUSD",src = "Finam", period="week", from = 0)
eurusdTime <- as.character(ymd(time(EURUSD))-days(1))


eurusdOpen <- as.numeric(EURUSD$EURUSD.Open)


DT <- matrix(c(eurusdTime,eurusdOpen), ncol=2)


write.table(DT,file="table.csv", sep=",", dec=".", row.names = FALSE, col.names = FALSE)

Vero, le connessioni sono strane a dir poco )) Dai forum di hip-hop alle richieste di informazioni sui cavalli :)

La questione è come identificare quale sia il vero legame e quale sia solo una coincidenza

[Dr. Trader]

mytarmailS:

Non c'è bisogno di differenziare lì, si perde la struttura della fila e la tendenza

Giusto, sì. Google non può farlo, cerca solo la correlazione con altre tendenze, non con i loro aumenti, mi dispiace, non risulta così utile.

mytarmailS:

anche la scala non è necessaria.

Ne ha bisogno, secondo le FAQ (media=0, sd=1, proprio quello che fa la scala). Anche se, a giudicare dal grafico di tendenza, Google stesso fa la scala per te nel caso tu l'abbia dimenticato.

[mytarmailS]

http://prntscr.com/eighfp

Francia :)