Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 836
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
Para um comerciante, é uma competição que treina os seus modelos e os enfia, sorte - boa, azarada - nada a perder.
Você tem as associações erradas. Se o seu modelo não for aceito porque você está com os pés no chão ou com pouco treinamento, isso significa que você precisa melhorar suas habilidades. Não precisas de ter azar.
Você tem as associações erradas. Se o seu modelo não for aceito porque você está com os pés no chão ou com pouco treinamento, isso significa que sua habilidade precisa ser melhorada. A sorte não tem nada a ver com isso.
Por quanto tempo os modelos funcionam? Se eles têm concursos o tempo todo, é a curto prazo?
Para mim, é mais importante dar algum dinheiro para obter lucros.
Uma nova excursão a cada semana. Em uma semana você tem que treinar o modelo e enviar-lhes as previsões. Mas a estimativa de seu modelo só será conhecida após mais três semanas, suas previsões serão comparadas com as reais para essas três semanas.
Acho que eles estão a manter pelo menos 90%.
:)) Eu vou começar a reler o seu tópico depois de terminar de estudar RL
E apenas assuma que os seus preditores serão melhores que os meus, isso seria óptimo.
Maxim, o arquivo anexo contém o PB para AUDCAD obtido em intervalos de leitura exponencial (para ser mais exato - distribuição geométrica discreta em n=0,5).
Coluna A - Licitação
Coluna B - Pergunte
Coluna C - Intensidade na janela de correr = 10.000
Coluna E - Carimbo de tempo.
Onde o timestamp =0, então este é um pseudotick artificial.
Ou seja, ainda há uma pressão arterial real "sentada" dentro deste pseudo-padrão.
Você pode extrair o PA real do PA de origem e colocar 2 PA de retorno na rede neural? Um - original (pseudo+real), o segundo - apenas real.
Interessante.
Ao trabalhar com BP inicial (pseudo+real), você deve perceber que está trabalhando com a linha mais simples e sem memória
Passo 2. Neste BP inicial, você deve tomar apenas cada 2ª citação. Você terá um fluxo Erlang de 2ª ordem com conseqüências. Verifica.
Passo 3: Neste BP inicial, você deve tomar apenas cada 3ª citação. Você terá o fluxo Erlang de 3ª ordem com conseqüências. Verifica.
Etc.
Se você conseguir algo inacreditável - você recebe um sinal.
Maxim, no arquivo anexo - BP para AUDCAD obtido em intervalos de leitura exponencial (mais precisamente - distribuição geométrica discreta a n=0,5).
Coluna A - Licitação
Coluna B - Pergunte
Coluna C - Intensidade na janela de correr = 10.000
Coluna E - Carimbo de tempo.
Onde o timestamp =0, então este é um pseudotick artificial.
Ou seja, ainda há uma pressão arterial real "sentada" dentro deste pseudo-padrão.
Você pode extrair o PB real do PB de origem e alimentá-lo na rede neural com 2 PBs de retorno. Um - original (pseudo+real), o segundo - apenas real.
Interessante.
Vou tentar empurrá-lo para dentro de ns já amanhã )
Tentarei colocá-lo amanhã.)
Também acrescentei o algoritmo de verificação. Tenha cuidado, por favor.
Acrescentei-lhe também um algoritmo de verificação. Tem cuidado, por favor.
Sim, vejo que vai ser mais complicado com carrapatos, mas vou fazê-lo com cuidado)
Converta estas sequências em símbolos personalizados de МТ5 e prepare símbolos... se eles funcionarem
Sim, estou a ver, vai ser mais complicado com carraças, mas eu vou fazer algo limpo).
Estas linhas que você precisa converter em símbolos personalizados do MT5, eles aparecerão como símbolos prontos separados... se eles forem bem sucedidos
Bem, você pode fazer o oposto - primeiro selecione o fluxo Erlang de ordem 100 e desça para o mais simples :))
Sobre o tema da previsão da volatilidade. Digamos que prever a volatilidade é muito mais fácil do que prever a própria citação.
E há até todo o tipo de modelos como https://en.wikipedia.org/wiki/Markov_switching_multifractal
O que é que isso dá, como usá-lo correctamente, alguém já o fez?
Sobre o tema da previsão da volatilidade. Digamos que prever a volatilidade é muito mais fácil do que prever a própria citação.
E há até todo o tipo de modelos como https://en.wikipedia.org/wiki/Markov_switching_multifractal
O que eles fazem, como usá-los, alguém já fez alguma coisa com eles?
O GARCH é chamado, ao contrário da aprendizagem mecânica, de mainstream nos mercados financeiros (juntamente com a cointegração e as carteiras).
Os modelos levam em conta um monte de nuances estatísticas de incrementos, incluindo caudas grossas e memória longa a la Hurst.
Por exemplo, existe uma publicação sobre a escolha dos parâmetros dos modelos GARCH em TODOS os stocks, incluídos no índice S&P500!
Há muitas publicações sobre aplicação no Forex. O kit de ferramentas está muito bem desenvolvido. Por exemplo, o pacote rugarch.
Então, vamos deixar a fazenda, sair para a estrada e ir para a marcha "Adeus à Slavyanka"!