Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 227
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Bem, a essência pode ser resumida em um conjunto de frases. É tudo o que eu peço.
A tarefa agora não é estudar o tema, mas sim estimar preliminarmente o seu alcance. É por isso que eu digo para formulá-lo (se você entender).
Veja pelo menos a primeira palestra. Não o podes fazer em algumas frases, é uma área demasiado ampla.
Estou à espera que você articule o ponto, porque quero entender exatamente o que você quer pela noção de aprendizagem da máquina.
O que a palestra lhe dirá é a compreensão dos outros. Talvez o que a comunidade de negociação algorítmica precise é de aprendizado específico da máquina.
Eu quero entender o que exatamente algotraders precisam no amplo campo da aprendizagem de máquinas e assim reduzir o tempo gasto na aprendizagem de áreas irrelevantes, limitar o código contornando tarefas desnecessárias e, em última instância, alcançar a implementação correta do objetivo.
Estou à espera que você articule o ponto, porque quero entender exatamente o que você quer em termos de "aprendizagem de máquina".
O que a palestra lhe dirá é a compreensão dos outros. Talvez a comunidade de algotrading precise de uma aprendizagem específica da máquina.
Eu quero entender o que especificamente os algotraders precisam no amplo domínio da aprendizagem de máquinas e assim reduzir o tempo gasto na aprendizagem de áreas irrelevantes, limitar o código contornando tarefas desnecessárias e, em última análise, alcançar a implementação correta do objetivo.
há aqui dois objectivos, muito geralmente
1) seleção qualitativa de características
as características são :
Por exemplo, você gosta de análise técnica, suporte, resistência, rebote, avaria, etc...
você vê o mercado através destas características, nós não damos os preços mas apenas sinais de apoio, resistência, ressalto, avaria, etc... no algoritmo
e aí vem o ponto
2) geração de decisões
o algoritmo "malabarismo" destes sinais começa a criar algumas regras de negociação ideais - decisões e seleciona aqueles sinais que valem algo e aqueles que não são importantes para tomar uma boa decisão
=====================
portanto, o processamento correcto dos dados é 98% do trabalho.
a formação do MO é de 2%.
Há aqui dois objectivos, de uma forma muito geral
1) seleção qualitativa das características
estes sinais são :
Por exemplo, você gosta de análise técnica, suporte, resistência, rebote, avaria, etc...
você vê o mercado através destas características, nós não damos os preços mas apenas as características como suportes, resistências, ressaltos, avarias, etc. ... no algoritmo
e aí vem o ponto
2) geração de decisões
o algoritmo "malabarismo" destes sinais começa a criar algumas regras de negociação ideais - decisões e seleciona aqueles sinais que valem algo e aqueles que não são importantes para tomar uma boa decisão.
Obrigado. Estou a começar a tirar uma fotografia.
Uma espécie de recolha geral de assinaturas e análise de várias alterações de dados no período actual, que são introduzidas num algoritmo especial, aí analisadas, são recolhidas estatísticas para assinaturas de dados, são investigados padrões e repetições de assinaturas e são geradas decisões sobre o comportamento do sistema.
Sobre assim?
Estou à espera que você articule a essência, porque quero entender o que você quer exatamente com o termo "aprendizagem de máquina".
O que será dito na palestra é a compreensão de outras pessoas. Talvez a comunidade de algotrading precise de uma aprendizagem específica da máquina.
Eu quero entender o que exatamente algotraders precisam no amplo domínio da aprendizagem de máquinas e assim reduzir o tempo gasto na aprendizagem de áreas irrelevantes, limitar o código contornando tarefas desnecessárias e, em última instância, alcançar a implementação correta do objetivo.
A essência da aprendizagem da máquina é aproximar um conjunto de dados para obter um quase-modelo que o gere. No caso da classificação, é uma nuvem de pontos marcados para obter máscaras que os separam.
A essência do MO é aproximar um conjunto de dados para obter um quase-modelo que o gere. No caso da classificação, é uma nuvem de pontos rotulados para obter máscaras que os separam.
Uma aproximação é uma generalização de valores. Ou seja, é para encapsular diferentes valores de dados dentro de um intervalo escolhido? Além disso, é possível criar um modelo numérico que generaliza a mudança de um valor ao longo de um período de tempo. Através da recolha destes modelos é possível criar estatísticas, nas quais se podem basear decisões e escolhas de acções.
Estou a ir na direcção certa?
Em resumo, -
1. Crie um algoritmo que recolha fluxos de valores de quaisquer parâmetros (dados) de que precisamos e os execute através do buffer de anéis.
2. Passamos os fluxos de valores armazenados no buffer de anéis através de um filtro especial, que os generaliza para os intervalos destes valores.
3. É criado um modelo numérico generalizado (por meio de intervalos) da natureza do valor de cada parâmetro no buffer de anéis, e escrito no formato apropriado.
4. Este modelo é enviado para o algoritmo estatístico que recolhe estes modelos.
5. Percorremos a base de dados contendo modelos (assinaturas) da natureza das alterações de valores dos nossos parâmetros e encontramos o modelo que melhor se adapta à situação actual.
6. É tomada uma decisão quanto ao comportamento do sistema na situação capturada nesta assinatura (modelo).
Formularei isso mais precisamente mais tarde.
O que otóxico mostrou é uma espécie de agrupamento, mas com um professor, os pontos no início são os sinais ou antes os seus parâmetros numéricos, você tem um alvo de compra e venda, então antes do treinamento que você marcou para cima (comprar) e para baixo (vender), e o algoritmo começa a dividir os parâmetros dos sinais pelo alvo, como a área azul é comprar, vermelho é vender...
Mas neste momento o último zumbido é algo como isto.
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
mas eu sou um nerd total.
E este aqui é hilariante)))
https://www.youtube.com/watch?v=pgaEE27nsQw
O que otóxico tem mostrado é uma espécie de agrupamento, mas com um professor, os pontos no início são sinais ou antes os seus parâmetros numéricos, você tem um adeus ao alvo e uma venda, você marcou antes do treino onde houve um crescimento (compra) e uma queda (venda), e o algoritmo começa a dividir estupidamente os parâmetros dos sinais pelo alvo, como a área azul é compra, vermelho é venda...
Mas neste momento o último zumbido é algo como isto.
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
mas eu sou um nerd total.
Amanhã vou dar uma olhada em tudo.
Há dois anos atrás eu tinha idéias que se revelaram semelhantes em alguns aspectos à aprendizagem mecânica. Chamei-lhe "recolha de assinaturas digitais de alterações de valores de parâmetros". Eu criei a base para esta tecnologia e escrevi-a. Nunca cheguei a implementá-la, porque estava sempre distraído com outras coisas.
Amanhã vou descrever todo o conceito dessas "assinaturas" e você me diz o quanto é parecido com a aprendizagem mecânica.
Se são coisas próximas, então a tecnologia de criar algoritmos já é clara para mim.