Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1329
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
Você pode fazer o mesmo sem um professor. Não vejo qualquer diferença nisto.
Imagine um bando de neurónios a aprender e a resolver um problema que é resolvido por um casal ou três, se as declarações... O NS brain está cheio desta porcaria, e em vez de pensar na bela....))
Já percebi, chama-se conhecimento a priori, experiência incorporada, mas não se cruza com um modelo porque se tem 100% de certeza
Não tenho conhecimento de nenhum processo aleatório, excepto que é aleatório e um par de outras crenças menores.Eu percebo, chama-se conhecimento a priori, julgamento de especialista incorporado, mas não se verifica com um modelo porque se tem 100% de certeza
Sim, é exactamente isso. É praticamente axiomático - porquê verificá-lo. Nós conhecemos a priori uma parte da solução - não meditamos no mercado por nada).
Mais uma vez, estamos a falar de abordagens diferentes.
Você ensina com um professor porque você começa do início, eu ensino sem um professor.
Eu lembro-me. Abordagens diferentes, é claro. Mais uma vez, nisto (com um professor) eu não vejo nenhuma contra-indicação. Tudo é viável, se o desejo, se ele aparecer, é claro.
A menos que você tenha RNN sem um professor, aqui tudo é mais complicado, e só não sei, eu não usei. A propósito, o que você usa? Poderia ter dito, mas escavar o assunto...
Eu lembro-me. Abordagens diferentes, é claro. Mais uma vez, não vejo nenhuma contradição nisto (com um professor). Tudo é viável, se você tiver a vontade, é claro.
A menos que você tenha RNN sem um professor, aqui tudo é mais complicado, e só não sei, eu não usei. A propósito, o que você usa? Poderia ter dito, mas escavar o assunto...
muitas coisas, ainda não o suficiente RNN )) Faço-o mais tarde.
há alguns artigos sobre o básico, mas naturalmente que se seguiram
Tenho muitas coisas, ainda não tenho o suficiente )) Vou fazer isso mais tarde.
há artigos sobre o básico, mas é claro que já fui mais longe do que isso.
Numa encruzilhada - vais para a direita... etc. Tensorflow, muito boa funcionalidade, mas dizem que é muito incómodo. Só li os documentos até agora. Não é usado?
Numa encruzilhada, você vai para a direita... etc. Tensorflow, muito boa funcionalidade, mas dito ser muito incómodo. Eu só li os documentos até agora. Ainda não o usaste?
tf é de baixo nível, é colocado em cima do tf.theano, usa tf.theano, é mais fácil.
Já vi exemplos diferentes, mas ainda não fiz nenhum desenvolvimento.
a versão 2 está a caminho, já disponível no site, simplifica a criação de modelosé tf um nível baixo, sobre o tf.theano, usando tf.theano, então tudo é mais fácil
Já olhei para exemplos diferentes, mas ainda não desenvolvi nada.
Em termos de velocidade. Acho que posso parar no Scikit-learn por agora, CHEZ. Os MLPs não são maus lá.
Em termos de velocidade. Acho que por agora vou ficar pelo Scikit-learn, CEZ. Os MLPs não são maus lá.
Não sei, acho que não.
Existem muitos pacotes por aí, eu tento aprender apenas os mais populares e evolutivos.
O sklearn é um monte de coisas.
tf é mais um construtor da sua própria arquitectura.
Os NSs não gostam mesmo de escalada. É treinado na faixa de preços de 100-120, se o preço sair da faixa, é isso, abortar. Eu simplesmente divido tudo relacionado com o preço pelo próprio preço, subtraio um, e depois uso coeficientes para conduzir as variáveis para a faixa dinâmica desejada.
Portanto, em ambos os casos, precisamos de pré-processar os dados para uma métrica aceitável. Eu uso meu ATR do TF superior e posicionamento de preço nele. Eu obtenho dominós com entalhes por níveis, o preço é atribuído um número de nível Fibonacci.
Modelos acabados de processamento, semente 201 a 401 - tudo o resto inalterado.
Tabela com resultados da pontuação do saldo
Tabela com indicadores métricos
Tabela com o número de modelos que satisfazem os critérios de selecção na amostra independente
Tabela com o número de modelos que satisfazem o critério de selecção nas três amostras
Gráficos de modelos (principalmente gifs)
30%
40%
50%
60%
A tendência parece não se alterar em grande parte para todas as métricas, abaixo estão as tabelas delta - as-is, para comparar as mudanças
Para os indicadores métricos, a diferença é mínima
A partir dos dados recolhidos, podemos concluir que a tendência se manteve, em geral, a mesma.
O que mais me intriga é outra questão - por que os gráficos são muito semelhantes para diferentes modelos em diferentes amostras? Parece que o modelo consegue pegar algum padrão aparente que aparece com frequência e em diferentes tamanhos de amostra (pelo menos esta peça sempre aparece na janela), e é este padrão que é explorado pelo modelo.
Para mim, concluí que é bastante possível alocar 30% a 70% da amostra de todos os dados para um gráfico de validação em busca de padrões interessantes, mas parece que o ideal ainda é 30%.