L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 353
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
Se parliamo di minuti il mercato è statisticamente omogeneo, cioè la statistica cambia poco (stabile) di settimana in settimana, di mese in mese. Non so, non ho studiato la questione su tempi più lunghi. Per quanto mi ricordo, state lavorando su 1 min.
15 min è il timeframe di base, o OHLC per 1 min, ma è sempre 15 min. Vorrei usare ticks ma si sta ottimizzando molto lentamente, il tester è stato scritto in C++ e potrebbe essere finito molto più velocemente
In linea di principio, se sovrastimate spesso sui piccoli periodi, potete farlo sui minuti. Non il Graal, naturalmente, ma si può guadagnare qualcosa.
Come promesso, ho pubblicato nel mio blog un breve rapporto sul compito di riconoscere il crossover di MA NS - NEUROSET E MOVING AVERAGE
Le notizie, gli articoli, ecc. parlano delle conquiste delle reti neurali, per esempio che possono distinguere i gattini dai cuccioli, ecc. Ma apparentemente sono reti commerciali o sperimentali molto costose, che i commercianti comuni non possono permettersi e non possono sviluppare.
Il NS a nostra disposizione (per esempio da R o ALGLIB) può distinguere cose primitive come triangoli, quadrati e cerchi l'uno dall'altro? Proprio come dai giochi di apprendimento per bambini di 2-3 anni.
Mi sembra che i materiali su questo argomento possano essere organizzati in un nuovo ramo https://www.mql5.com/ru/forum/192779 in modo che (se c'è un risultato e l'opportunità di ripetere l'esperimento) uno possa trovarlo e ripeterlo, e qui su 350 pagine è già difficile trovare qualcosa...Le notizie, gli articoli, ecc. parlano delle conquiste delle reti neurali, per esempio che possono distinguere i gattini dai cuccioli, ecc. Ma apparentemente si tratta di reti commerciali o sperimentali molto costose, che i comuni commercianti non possono permettersi o sviluppare.
E NS (per esempio da R o ALGLIB) può distinguere le cose primitive, come triangoli, quadrati e cerchi tra loro? Proprio come nei giochi educativi per bambini di 2-3 anni.
Bene e variante assolutamente difficile - figure volumetriche...
Non conosco Alglib, ma puoi farlo in R, hai bisogno di una matrice di ingresso di circa 16x16. Sono 256 neuroni per ingresso). Beh, forse un po' meno. Potete trovare implementazioni pronte per un problema simile sul web.
Si può fare anche con la rotazione, ma la NS sarà più profonda e complicata. Personalmente, passo)).
Anche se, per la costruzione di TC, non vedo l'applicazione dei vostri problemi in questa forma.
Anche se, per la costruzione di TC, non vedo l'applicazione dei vostri particolari compiti in questa forma.
Voglio solo assicurarmi che le reti a nostra disposizione possano gestire compiti semplici prima di applicarle a compiti di trading più complessi.
Voglio solo assicurarmi che le reti a nostra disposizione possano gestire compiti semplici prima di applicarle a compiti di trading più complessi.
Quadrati e cerchi possono essere facilmente riconosciuti con MLP classico senza problemi, se si va un po' più in profondità nell'argomento, si incontra il classico compito di riconoscimento delle cifre scritte a mano MNIST, lì MLP ordinario si snoda fino al 97%, poi un altro mezzo per cento, e poi inizia a ballare con il tamburello. Infatti, un tale modello situazionale è riconosciuto in molti compiti in ML, di solito la battaglia non è per risultati sufficienti, e per 3-5 cifre decimali in una parentesi.
Dopo gli esperimenti con MA, in questa fase, vedo il problema principale dell'uso di NS in TC nella preparazione dei dati alimentati agli ingressi NS. I dati grezzi sono probabilmente immangiabili per la maggior parte dei NS.
Questo ramo è stato avviato principalmente per affrontare questo problema. Ma è molto più utile assicurarsi dalla propria esperienza dell'importanza di questo tema. Siete all'inizio di un viaggio difficile ma interessante.
Buona fortuna
PS. In R, e tramite esso Python, sono disponibili tutte le reti neurali più sofisticate attualmente conosciute. Dovete solo imparare ad usarli.
Sì e al diavolo.
Stupidamente prendete la cosa più semplice, una foresta casuale. Di solito si ottengono classi come risultato della formazione. In realtà, l'algoritmo dà la probabilità della classe, da cui si ottiene la classe. Di solito dividiamo la probabilità a metà per due classi.
Che ne dite di dividere in classi: 0 - 0,1 è una classe e 0,9 - 1,0 è un'altra classe? E il divario tra 0,1 - 0,9 è fuori dal mercato?
Questo è quello che ho visto nell'articolo.
Questo è risolto più correttamente ed elegantemente incalibrate::CORELearn/.
E lo è già da un po' di tempo.
Buona fortuna