Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1335
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
Maxim, troquei a amostra em locais - para treinamento e validação, deixei o teste - qual será o resultado baseado em dogma científico? Eu ainda não me conheço, o processamento ainda não está terminado.
Se os seus dados e modelo são adequados, então em teoria o resultado deve piorar.
Há algo que eu não entendo sobre o teu MoD. Eu tenho a impressão de que você simplesmente dá ao MoD um conjunto de preditores de dados, etc., e diz - agora vá e procure lucro para mim, e quanto mais, melhor.
É como - aqui está um cavalo para ti, Ivan, aqui está uma espada e um escudo, e agora vai e traz-me o Firebird, corre o boato - algures lá fora, para além do mar, para além do oceano. Se não o encontrares, dou-te um machado. Pelo menos Ivan tinha o Pequeno Cavalo Corcunda, que sabia tudo, mas o MoD só encontrou algo e pergunta: "Bem, o que é isso? O Pássaro de Fogo, não? - Não. Muito bem, vamos lá ver outra vez.
Mesmo assim, seria bom dar a Ivan pelo menos algumas informações preliminares, como se ele está em Bukhara ou na Índia com o Xá de tais e tais. Há apenas dois lugares para visitar. E o Ministério da Defesa também não é mau, há menos opções para percorrer e a tarefa é formulada de forma mais concreta.
Você tem uma caixa, dentro da qual é criada uma espécie de paisagem muito montanhosa. Nós jogamos muitas bolas lá dentro (são as laterais), e nosso trabalho é garantir que a maioria das bolas atinja os buracos mais profundos. Isto será aprendizagem, e este é o princípio pelo qual a aprendizagem em ME é estruturada.
1. Se sacudirmos ligeiramente a caixa, a maioria das bolas não conseguirá deixar os buracos onde originalmente bateu - a aprendizagem não acontecerá.
Se agitarmos a caixa vigorosamente, algumas das bolas têm a oportunidade de bater e permanecer apenas nos buracos mais profundos, mas as mais rasas ficarão por encher à medida que as bolas vão saindo de lá. O aprendizado completo não vai acontecer.
Se agitarmos a caixa com força média, apenas os buracos mais profundos e médios serão preenchidos, mas o resto das bolas não encontrarão nada e continuarão a saltar aleatoriamente à volta da caixa. A aprendizagem é melhor do que em 1 e 2, mas também não é ás.
Os métodos de aprendizagem têm sempre definições - exactamente como e quando abanar a caixa para obter a aprendizagem mais eficaz.
Se os vários "sids" não batem certo, então ou há algo de errado com o algoritmo de aprendizagem - você sacode errado, ou qualquer buraco profundo para se agarrar estão faltando em nossa caixa.
Lindamente dito, mas não tenho certeza se é a mesma coisa em boosting que em NS (ajuste aleatório de pesos em neurônios no início do treinamento), não consegui encontrar informações exatas sobre a implementação. E em qualquer caso, o arremesso forçado de bolas para diferentes pontos pode ser melhor, incluindo o fato de permitir comparar modelos ao alterar outras configurações. A única coisa que eu não entendo é o alcance...
Por exemplo, há um gráfico, então o que devo dizer? Aqui é onde se procura lucro, mas não o procure porque não gosto, tenho más associações com ele.
Exactamente.)) Isso é exactamente o que devias dizer. E quanto mais, melhor. Provavelmente estamos sentados no mercado há anos por uma razão, já sabemos alguma coisa: se você for para a direita, você perde um cavalo, etc.
E em geral, de onde viria alguém, se começasse tudo do zero, sem usar o conhecimento e a experiência das gerações anteriores. Nós obrigamos o IM a fazer exactamente isso.
e dirá: "Se é tão esperto, leve-o você mesmo e venda-o sem mim.
Eu adicionei-o lá.
Mesmo assim, seria uma boa idéia Ivan dar pelo menos algumas informações preliminares, como em Bukhara ou na Índia com o Xá de tais e tais. Há apenas dois lugares para visitar. E o Ministério da Defesa também não é mau, há menos opções para passar, e a tarefa é mais especificamente formulada.
Estou pensando na implementação, quando haverá pós-processamento do modelo sobre o resultado da balança comercial - o objetivo é se livrar de idéias falsas sobre o mercado, se possível. Mas todas estas ideias devem ser codificadas, infelizmente demora demasiado tempo.
No entanto, alfastar bate pro-gamers em starcraft, xadrez e go, com apenas um mês de treino (ou menos, esqueço-me), o que equivale a ~200 anos de experiência de jogador profissional
Não conhecemos a metodologia de treinamento)). As condições iniciais e a definição dos problemas estão sempre presentes.
Há algo que eu não entendo sobre o teu MoD. Eu tenho a impressão de que você simplesmente dá ao MoD um conjunto de preditores de dados, etc., e diz - agora vá e procure lucro para mim, e quanto mais, melhor.
É como - aqui está um cavalo para ti, Ivan, aqui está uma espada e um escudo, e agora vai e traz-me o Firebird, corre o boato - algures lá fora, para além do mar, para além do oceano. Se não o encontrares, dou-te um machado. Pelo menos Ivan tinha o Pequeno Cavalo Corcunda, que sabia tudo, mas o MoD só é capaz de encontrar algo e pergunta: "Bem, o que é isso? O Pássaro de Fogo, não? - Não. Muito bem, vamos lá ver outra vez.
Mesmo assim, seria bom dar a Ivan pelo menos algumas informações preliminares, como se ele está em Bukhara ou na Índia com o Xá de tais e tais. Há apenas dois lugares para visitar. E o Ministério da Defesa também não é mau, há menos opções para procurar e a tarefa é formulada de forma mais concreta.
Eu sei, eu ensino bots da mesma forma, com sucesso variável até agora (não tenho muita experiência)
Por exemplo: o bot aprendeu a se trocar por tentativa e erro, por cerca de 4 minutos. À direita está o treino à esquerda estão os novos dados
nenhum conhecimento a priori lhe foi dado
A seguir vêm os desenvolvimentos únicos de robôs com inteligência artificial, que conquistarão não só o mercado, mas o mundo inteiro.
Se os seus dados e modelo são adequados, então em teoria o resultado deve piorar.
Porquê? Não só os riscos são interessantes, mas também a razão de ser.