トレーディングにおける機械学習:理論、モデル、実践、アルゴトレーディング - ページ 722

 
セルゲイ・ノヴォハツキー

自動化の見通しはあるのでしょうか。

もちろん、セルゲイです!

そして、テスターがこのインジケーターの見通しを示す。

フリーランスは助かるが、条件としてソースコードを忘れてはいけない

 
マバー

認識はしているのですが、エントリーポイントがうまくいきません。私は、ローソクの出現ではなく、下降スランプに陥ることなく、実際のエントリーの瞬間を認識するネットワークを教えたいのです。私のストップ高が原因で、すべてが下がっている。

そんな条件は書けません。誰か教えてくれないかな?


テスターではニューロニックとの統合の関係で動作しないのでテストできません。Pythonで書かれており、ファイルを通して情報がやり取りされ、テスターはこのファイルを作成しない。

GARCHモデルもある。私たちは彼らから、価格上昇の継続よりも価格上昇の後退の方が確率が高いことを知っています。この真実を確かめるのです。

トレーダー博士の アドバイスは単純なものではありません。

 

ディープラーニングに関する新鮮な本がロシア語で出版されました。

グッドフェロー J.、ベンジオ I.、クールビル A.
Г93 ディープラーニング/A・A・スリンキン著(英語翻訳- 第2版- モスクワ:DMK Press, 2018.- 652 p.: カラー.ill.
ISBN 978-5-97060-618-6
深層学習は機械学習の一種で、コンピュータが経験から学び、世界を概念の階層構造で理解 することを可能にするものである。本書には、
線形代数、確率論、理論
情報、数値計算、機械学習の数学的・概念的基礎が、資料を理解するために必要な程度に含まれています
。直接伝播型ディープネットワーク、正則化、
最適化アルゴリズム、畳み込みネットワーク、シーケンスモデリングなど、
実務で使用されるディープラーニング技術について説明します。
自然言語処理、音声認識、コンピュータビジョン
、オンライン推薦システム、バイオインフォマティクス、ビデオゲームなどのアプリケーションを対象としています。
本書は、ディープラーニングを製品やプラットフォームの一部として適用したいと考えている大学生や大学院生、また経験豊富なプログラマー
を対象としています。

UDC 004.85

LIBC 32.971.3

rutrackerからのリンクは、個人的に投げることができます。この本の面白さは格別です。

グッドラック

 
ウラジミール・ペレヴェンコ

ディープラーニングに関する新鮮な本がロシア語で出版されました。

グッドフェロー J.、ベンジオ I.、クールビル A.
Г93 ディープラーニング/A・A・スリンキン著(英語翻訳- 第2版- モスクワ:DMK Press, 2018.- 652 p.: カラー.ill.
ISBN 978-5-97060-618-6
深層学習は機械学習の一種で、コンピュータが経験から学び、世界を概念の階層構造で理解 することを可能にするものである。本書には、
線形代数、確率論、理論
情報、数値計算、機械学習の数学的・概念的基礎が、資料を理解するために必要な程度に含まれています
。直接伝播型ディープネットワーク、正則化、
最適化アルゴリズム、畳み込みネットワーク、シーケンスモデリングなど、
実務で使用されるディープラーニング技術について説明する。
自然言語処理、音声認識、コンピュータビジョン
、オンライン推薦システム、バイオインフォマティクス、ビデオゲームなどのアプリケーションを対象としています。
本書は、ディープラーニングを製品やプラットフォームの一部として適用したいと考えている大学生や大学院生、また経験豊富なプログラマー
を対象としています。

udc 004.85

libc 32.971.3

rutrackerからのリンクは、個人的に投げることができます。この本の面白さは格別です。

グッドラック

アプリケーションのリストには、不確定なプロセスによって生成された非定常系列は含まれていません。

金融シリーズにディープネットを適用する可能性を正当化するものはあるのでしょうか?

 

その本に関連するリンクがありました -http://www.filedropper.com/--2018

(リンクとウェブサイトは私のものではありません)

 
サンサニッチ・フォメンコ

アプリケーションのリストには、不確実なプロセスによって生成された非定常系列は含まれていません。

金融シリーズにディープネットワークを適用する可能性について、正当な理由がどこかにあるのでしょうか?

なぜ他人の正当性が必要なのか?予測因子を作成し、モデルを構築し、トレーニング/テストを行い、自分なりの結論を導き出すのです。予測変数にモデルを適用することが可能かどうか/合理的かどうか。

私は分類しかしていません。私の経験では、(ディープネットワークに限らず)ニューラルネットワークはこのタスクに非常に適しています。前回のアンサンブルの記事も ご覧ください。結果は非常に良好で、改善の余地も大きい。

グッドラック

 
サンサニッチ・フォメンコ

アプリケーションのリストには、不確実なプロセスによって生成された非定常系列は含まれていません。

金融シリーズにディープネットワークを適用する可能性について、正当な理由がどこかにあるのでしょうか?

彼はトレーダーではありません。)

 
マキシム・ドミトリエフスキー

彼はトレーダーではありません。 そろそろ理解してください、誰も聞く人がいません :)

トレーダーかどうかは関係ないだろ?核心を突いている。

 
ベルフォード

トレーダーかどうかは関係ないだろ?質問の中身については、彼の言うとおりです。

質問の本質に答えていない、角の取れた質問だった。

はっきり言ってそうではありません。先生とのトレーニングは、非定常なプロセスを扱うには原理的に向いていない、どんな本にも書いてあります。そのため、データの飽和状態や、定常性、正規化などに関するカンタンな議論が行われているのです。

でも、何度か言うことで、人々の脳裏に刷り込まれることもあります。

 
マキシム・ドミトリエフスキー

質問の本質に答えていない、その質問は角が立つものだった

それ以上でない場合 - 先生とのトレーニングは、原則として非定常プロセスでの作業には適していない、それはどの本でそれについて書かれています。それゆえ、データの悪魔崇拝や定常性、正規化などの呪文を唱えることになるのです。

先生と一緒に教えるには定常性が必要だと、どこに書いてあるのですか?

あなたがkamlanieと呼ぶもの、それは繰り返し、出版物の山を証明されていますが、貿易のための教師なしで訓練について全く何もありません。