Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 783
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
Como faço para gerir o Rattle como o artigo https://www.mql5.com/ru/articles/1165?
Instalado no console R(install.packages("guizo"))
No console R há apenas "carregar espaço de trabalho" e no artigo "Arquivo/espaço de trabalho;"
Ou não é feito no console R lá, mas em um programa diferente?
Como faço para gerir o Rattle como o artigo https://www.mql5.com/ru/articles/1165?
Instalado no console R(install.packages("guizo"))
No console R há apenas "carregar espaço de trabalho" e no artigo "Arquivo/espaço de trabalho;"
Ou não é feito no console R lá, mas em outro programa?
E está tudo a correr.
library(rattle) rattle()Cortes semelhantes (de frente), tinham tanto a mim como ao Doc(como eu entendo), como me disseram.
Foi melhor quando eu tentei manter isto e assim por diante. -
https://en.wikipedia.org/wiki/Markov_decision_process
https://en.wikipedia.org/wiki/Partially_observable_Markov_decision_process
Rodou-o há muito tempo, não por muito tempo, apenas por interesse....
há também algum MPPR parcialmente observável, obrigado, vou ler
Eu tenho 3 RSI's sobre a entrada aqui e é isso, eu acho que pode ser melhorado por outros preditores um pouco
> É possível ver em R toda a história, como uma previsão da ARIMA se tornou realidade, para procurar os melhores períodos para ela?
Sim, por exemplo, salvando o histórico de barras do arquivo mt5 para o csv, importando-o para R, e depois usando o trem de janela deslizante em algum intervalo e testando-o no próximo, e deslocando a janela de treinamento ciclicamente.
Obrigado!
daqueles que entraram em "pacotes", nunca ninguém voltou (é meio ambíguo)
até teres uma ideia robusta não há nada... tudo o que fizeste todos estes anos não é nada.
porque tens andado por aí com as tuas funcionalidades supostamente boas, mas é apenas o software que é bom, não as tuas funcionalidades...
os padrões existem no mundo real, não no mundo dos pacotes, então procure por eles, e se os encontrar, você mesmo pode codificá-los.
ou melhor ainda, esqueça.
Realmente não está muito claro das palavras acima o que eu quis dizer, então provavelmente vou começar em ordem, e onde a ajuda de especialistas é necessária em R está puxando para cima aqueles que estarão interessados nas minhas deduções. Em qualquer caso, chegará o momento em que será necessário verificar as minhas declarações lá e ver se somos uma equipa no seu todo. Aqui vamos nós. Regressão.
Não vai acreditar, toda a minha vida trabalhei exclusivamente com classificação e, de alguma forma, aborreci-me. Tive que refazer tudo 3 vezes durante a noite, porque o erro no cálculo do desvio (htcgtrnelibrarius) implicou mais e mais, mas já está claro que a noite sem dormir não foi em vão. E agora tornou-se algo aborrecido, mas seria interessante tentar algo novo.
Na versão antiga você alimentou essencialmente o MA a partir do delta cumulativo, não o desvio. Se os resultados foram bons, o prognosticador também é bom nesta forma. Ter MA cum. delta e cum. delta em si - NS pode encontrar análogo de desvio em si, se o considerar lucrativo.
Acho que estás a ficar frustrado por nada e queres mudar para algo novo. Termine o seu desenvolvimento, os resultados actuais são muito encorajadores.
Na versão antiga você alimentou essencialmente o MA a partir do delta cumulativo, e não o desvio. Se os resultados foram bons, isso significa que o preditor é bom nesta forma. Ter MA cum. delta e cum. delta em si - NS pode encontrar análogo de desvio, se o considerar lucrativo.
Acho que estás a ficar frustrado por nada e queres mudar para algo novo. Termine o seu desenvolvimento, os resultados actuais são muito encorajadores.
O problema é esse: o trabalho está terminado e de repente ficou aborrecido. Ontem não houve erros e pelo menos por mais 3-4 dias úteis ele ainda está lá. A questão é o que fazer enquanto o TS está trabalhando em automático, quando o desejo de investigar e há tempo para fazê-lo?
Actualizei o java e tudo correu... Viva... Então, onde estávamos nós em ???? Ah sim.... regressão... Então, vamos definir a declaração do problema e a escolha das configurações iniciais do TC.
Vou tentar fazer uma analogia com os métodos de classificação, mas primeiro vamos definir as condições.
A regressão implica a previsão do valor de um parâmetro futuro. Vamos selecionar a mudança de preço como parâmetro. É suficiente ter uma previsão para 1 barra à frente, mas é aborrecido. Vamos definir o problema da seguinte forma:
Devemos prever a mudança de preço para 10 barras com antecedência. Ou seja, o resultado do modelo será um valor acima ou abaixo de zero (direção da mudança), bem como o grau dessa mudança. Isto é, o quanto será...
(Lembro-vos que só estabeleço a direcção do trabalho, se não concordarem com a minha condição proposta e tiverem um ALTERNATIVO para ela, falem activamente. Tudo é negociável e corrigível).
Como já adivinhou, esta é a função alvo do nosso modelo. Vamos primeiro defini-la e consertá-la. Com base no que dissemos acima, fazemos o seguinte.
Fechar[i]-Fechar[i+10] no início, vamos calcular a mudança do fechamento atual em relação ao fechamento de 10 barras atrás.
Lead=Fechar[i-10]-Fechar[i] agora move a nossa função 10 barras para trás. Esta operação é possível APENAS para funções de destino e não pode ser usada em comércio real. Como resultado, vou mostrar o que temos na tabela.
Verde é Chenge, azul é chumbo. O indicador de chumbo parece estar 10 barras à frente. Parece que é assim:
Temos uma janela de previsão entre as duas linhas. Podemos calcular a mudança apenas na última barra desta janela. Essa é a linha verde. Mas precisamos saber este valor na primeira barra desta janela (apenas como exemplo), então deslocamos o gráfico de volta como a linha azul, onde na primeira barra desta janela pedimos à nossa rede para nos dar o valor que ainda está por vir. Então podemos tirar partido disto.
Perguntas sobre modificações na seleção de destino têm?????
Em apoio a esta abordagem direi que muita pesquisa foi feita há muito tempo sobre o alvo de regressão e cheguei à conclusão de que quanto mais simples for a função, melhor. Qualquer aumento na complexidade do alvo não melhora em nada o desempenho do modelo - até o agrava. Procedemos a partir da afirmação "Tudo é simples em genialidade". Se o modelo funcionar correctamente, este alvo será suficiente. À espera de feedback e continuando...
Naturalmente, o alvo (linha azul) estará faltando a ponta do indicador de 1 a 10 barras. Cabe à IA levá-lo até 0 bar. Esta será a previsão para o futuro.