Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 722

 
Sergey Novokhatskiy:

Você acha que há alguma perspectiva para a automação:

Sergey, é claro!

E então o testador irá mostrar as perspectivas deste indicador.

Freelancing vai ajudar, mas não se esqueça do código fonte nos termos de referência

 
mavar:

Tenho-o a reconhecer bem, mas não consigo acertar o ponto de entrada. Quero ensinar a rede a reconhecer não o aparecimento de uma vela, mas o momento real da entrada sem uma queda para baixo. As minhas paragens estão a fazer com que tudo se desmorone.

Eu não posso escrever tal condição. Talvez alguém me diga como?


Não posso testá-lo no testador, porque ele não funciona lá devido à integração com a neurônica. Ele é escrito em python e as informações são trocadas através do arquivo e o testador não cria este arquivo.

Há alguns modelos GARCH. Sabemos por eles que é mais provável um recuo no aumento de preços do que uma continuação do aumento de preços. Você confirma esta verdade.

O conselhodo Dr. Trader não é simples.

 

Um novo livro sobre aprendizagem profunda foi publicado em russo:

Goodfellow Y., Bengio E., Courville A.
Г93 Deep learning / traduzido do inglês por A. A. Slinkin. - 2ª edição, revisada. - Moscou: DMK Press, 2018. - 652 p.: colorido.
ISBN 978-5-97060-618-6
O aprendizado profundo é um tipo de aprendizado de máquina que confere aos computadores a capacidade de aprender com a experiência e entender o mundo em termos de uma hierarquia de conceitos. O livro contém
fundamentos matemáticos e conceituais de álgebra linear, teoria da probabilidade e
teoria da informação, computação numérica e aprendizado de máquina na medida necessária
para entender o material. São descritas as técnicas de aprendizado profundo usadas na prática
, incluindo redes de avanço profundo, regularização, algoritmos de otimização
, redes convolucionais, modelagem de sequência e outros.
São consideradas aplicações como processamento de linguagem natural, reconhecimento de fala, visão
computacional, sistemas de recomendação on-line, bioinformática e videogames.
A publicação destina-se a estudantes de graduação e pós-graduação, bem como a programadores experientes
que gostariam de aplicar a aprendizagem profunda como parte de seus produtos ou plataformas.
UDC 004.85
BBK 32.971.3

Posso enviar o link do rutracker em particular. O livro é excepcionalmente interessante.

Boa sorte

 
Vladimir Perervenko:

Um novo livro sobre aprendizagem profunda está disponível em russo:

Goodfellow J., Bengio I., Courville A.
Г93 Deep Learning / traduzido do inglês por A. A. Slinkin. - 2ª ed. - Moscovo: DMK Press, 2018. - 652 p.: cor. doente.
ISBN 978-5-97060-618-6
Aprendizagem profunda é um tipo de aprendizagem de máquinas que capacita os computadores a aprender com a experiência e compreender o mundo em termos de uma hierarquia de conceitos. O livro contém
os fundamentos matemáticos e conceptuais da álgebra linear, teoria da probabilidade e teoria
informação, computação numérica e aprendizagem de máquinas na medida do necessário
para compreender o material. Técnicas de aprendizagem profunda utilizadas na prática
são descritas, incluindo redes profundas de propagação directa, regularização,
algoritmos de optimização, redes convolucionais, modelação de sequências, etc.
Aplicações como processamento de linguagem natural, reconhecimento de fala, visão por computador
, sistemas de recomendação online, bioinformática e jogos de vídeo estão cobertos.
A publicação é destinada a estudantes de graduação e pós-graduação, bem como a programadores experientes
que gostariam de aplicar o aprendizado profundo como parte de seus produtos ou plataformas.

UDC 004.85

LIBC 32.971.3

O link do rutracker pode jogar no pessoal. O livro é excepcionalmente interessante.

Boa sorte.

Não existem séries não estacionárias geradas por processos indeterminados entre a lista de aplicações.

Há alguma justificação para a possibilidade de aplicar redes profundas a séries financeiras?

 

Encontrei um link para algo relacionado a esse livro -http://www.filedropper.com/--2018

(o link e o site não são meus)

 
SanSanych Fomenko:

Não existem séries não estacionárias geradas por processos incertos entre a lista de aplicações.

Existe alguma justificação para a possibilidade de aplicar redes profundas a séries financeiras?

Porque é que precisas da justificação de outra pessoa? Você cria preditores, constrói um modelo, treina/testa e tira suas próprias conclusões. Se é possível/razoável aplicar o modelo aos seus preditores.

Eu só faço classificação. E na minha experiência as redes neurais (não apenas as profundas) são muito boas nessa tarefa. Dê uma olhada no último artigo sobre conjuntos. Os resultados são muito bons e com uma significativa margem para melhorias.

Boa sorte.

 
SanSanych Fomenko:

Não existem séries não estacionárias geradas por processos incertos entre a lista de aplicações.

Existe alguma justificação para a possibilidade de aplicar redes profundas a séries financeiras?

Ele não é um comerciante. Está na hora de entender, não há ninguém a quem perguntar :)

 
Maxim Dmitrievsky:

Ele não é um comerciante. Já é hora de entender, não há ninguém a quem perguntar :)

Que importa se ele é ou não um comerciante? Ele está mesmo no centro da questão.

 
Belford:

Que importa se ele é ou não um comerciante? Ele está certo sobre a substância da pergunta.

Ele não respondeu à essência da pergunta, e a pergunta foi uma pedra angular.

Não é o caso, para dizer o mínimo - a formação com um professor não é, em princípio, adequada para trabalhar com processos não estacionários, está escrita sobre isso em qualquer livro. Daí todo esse satanismo de dados e estagnação, normalização, etc.

Não que eu esteja a desencorajar alguém de fazer alguma coisa, mas às vezes é útil dizê-lo algumas vezes para que as pessoas fiquem impressas no seu subcortex

 
Maxim Dmitrievsky:

Ele não respondeu à essência da pergunta, e a pergunta foi uma pedra angular

Se não mais - a formação com um professor não é, em princípio, adequada para trabalhar com processos não estacionários, está escrita sobre isso em qualquer livro. Daí todo este satanismo de dados e incantação sobre estacionaridade, normalização, etc.

Onde está escrito que o ensino com um professor requer estacionaridade?

O que você chama de kamlanie, é repetidamente provado, montanhas de publicações, mas sobre a formação sem um professor para o comércio não há absolutamente nada.