Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1798
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
melhor canalizar a energia para gerar novos traços... IMHO...
Se os sinais são bons então podemos até tentar prever extrema, tenho cerca de 400 e 10 modelos, mas vejo que preciso de dezenas de vezes mais, amostras de treino podem chegar a > 100 GB , uau )))) Não tenho assim tanta potência...
Quando há muitos preditores - começa o sobretreinamento, especialmente se for um impulsionador - há folhas que são ativadas em uma amostra de apenas 0,01% - é claramente um lixo.
Por isso é importante trabalhar em duas direcções - procurar formas de melhorar os modelos através da sua estrutura e pré/pós processamento de dados, bem como através da adição de novos preditores.
Nada funcionou com os dados que te enviei antes para experiências?
Coloquei essa EA numa conta real agora - e vejo que existem outros problemas - por exemplo, a chave de limite não está completamente cheia, mercado fino - grandes deslizamentos...
Quando há muitos preditores, começa o sobre-aprendizado,
Não tem, há validação cruzada + amostragem extra para verificar...
E o sobretreinamento é só porque você tem sinais que têm 5% de informação útil, e você quer tirar 70% deles, e eles só estão faltando... nenhuma informação útil...
é para isso que precisas de muitos sinais.
há folhas que são ativadas em uma amostra de apenas 0,01% - é obviamente lixo.
Por exemplo, quando você troca com as mãos, você olha para gráficos, TFs diferentes, vê alguns padrões e toma decisões, depois vai a um pequeno TF e procura um ponto de entrada, depois espera pelo momento certo e entra... O que foi isso? É uma compressão de informação.
1) diferentes TFs e padrões nelas - compressão
2) TF rasa , ponto de entrada - compressão
3) ponto de entrada - compressão
Como resultado, não será sequer 0,01% ou mesmo 0,001% em relação à amostra, mas você não considera isso um disparate, pois não?
Não apareceu nada com os dados que te enviei antes para experiências?
Que dados? Perdi-os...
não começar, há validação cruzada + amostragem adicional para verificar...
É possível verificar, mas isso não afecta a aprendizagem.
E o sobretreinamento só porque você tem sinais que têm 5% de informação útil, e você quer tirar 70% deles, mas não está lá... nenhuma informação útil...
Se cada um dos prognosticadores traz 5% de informação útil, isso é bom, ou quanto você espera? Como você define a utilidade em geral - estou me baseando no desvio da média de todos os alvos da amostra.
Quando você troca à mão, você olha para os gráficos, por exemplo, em diferentes TFs, você vê alguns padrões e toma decisões, depois você vai a um pequeno TF e procura um ponto de entrada, depois você espera pelo momento certo e entra... O que foi isso? É uma compressão de informação.
1) diferentes TFs e padrões nelas - compressão
2) TF rasa , ponto de entrada - compressão
3) ponto de entrada - compressão
Como resultado, em relação à amostra não será nem 0,01% ou mesmo 0,001%, mas você não considera isso um disparate, não é?
Não, isso seria aleatoriedade, intuição, mas não um sistema.
Com que dados? Falta-me algo...
Link.
Sim, claro )))) Eu gostaria de ver como eles usam "se, então," para reconhecer imagens ou gerar fala, isso seria hardcore). Mas a sério, estás a dizer disparates!
O Finerider reconhece sem ns.
Uma vez li uma entrevista com um de seus funcionários que chamou as redes neurais de "análise discriminante para os pobres".
Uma vez li uma entrevista com um de seus funcionários que chamou as redes neurais de "análise discriminante para os pobres".
Link.
Ahhhh eu não vi, pensei que nunca tinhas refeito nada... Não, eu não fiz isso.
Provavelmente incompreendido. O Finerider reconhece sem ns. O trabalho na atividade cerebral dos ratos determinou o que o rato faria meio segundo antes da ação na década de 90. Quando os ns venceram o xadrez e depois com os MOs a comp se tornou invencível estes eventos não foram cobertos desta forma, embora mais significativos. O reconhecimento do passaporte de trabalho foi encontrado há cerca de 10 anos. O reconhecimento foi bom. Agora as notícias sobre o reconhecimento de passaportes com ns serão instaladas nas bilheterias.... Há mais propaganda do que trabalho.
É tudo um mal-entendido.... Há muita propaganda porque eles precisam de um haip, eles precisam de um haip porque não há recursos humanos, é necessário despertar o interesse entre as pessoas, ou melhor, a biomassa inútil que não pode sequer ir ao banheiro sem um smartphone.
Como você pode comparar o reconhecimento de um passaporte com a condução de um carro com o seguinte reconhecimento de objetos? Ou o reconhecimento de assuntos em vídeo no YouTube? Ou a geração da fala humana? 30 anos se passaram, os problemas se tornaram milhares de vezes mais complicados e estão sendo resolvidos, e você está falando de um passaporte coxo dos anos 90, mas ele ainda está lá nos anos 90.
E comparar as tarefas dos anos 90 com as tarefas de hoje também é estúpido, como você pode comparar o reconhecimento de passaportes com a condução de um carro com reconhecimento de objetos incidentais? Ou o reconhecimento de assuntos em vídeo no YouTube? Ou a geração da fala humana? 30 anos se passaram, as tarefas se tornaram milhares de vezes mais complicadas e estão resolvidas, e você está falando de um passaporte pobre dos anos 90, mas ainda está nos anos 90.
Não concordo, os problemas devem ser entendidos desde o início e a história da sua origem e as soluções ajudam nesse sentido. Os algoritmos de MO foram na sua maioria formulados e implementados antes dos anos 90, em 77 Fortran, o mesmo impulso do gato. Hoje as ferramentas, o poder e o software acabam de se tornar mais disponíveis. As tarefas de reconhecimento seguem o mesmo algoritmo, ou seja, definir bibliografia, catalogação, comparação. A única coisa que muda é o número e a velocidade (métodos de busca no catálogo também, mas não é crucial). Galileu inventou o primeiro Hash)))
Anteriormente 10K era grande hoje 100Gb pode ser implementado em casa. Se as capacidades actuais permitirem fazer uma pesquisa completa e passes de pesquisa completos para optimizar a AG não seria necessária)))))
Sobre o Passaporte) https://open-dubna.ru/ekonomika/9057-razrabotka-rezidenta-oez-dubna-sokrashchaet-ocheredi-v-kassakh-rzhd
Soluções usadas para custar (à venda) cerca de $500. Quanto é que custa com a IA? Eu não acho que seja mais barato. A solução tem mais de 15 anos de idade. A propósito, o principal problema aí é remover a grade de proteção)))) Em um fundo homogêneo e em uma grade são tarefas diferentes).
Ahhhh eu não vi, pensei que nunca tinhas refeito nada... Não, eu não fiz isso.
Vais estar a ver agora?
Estás a ver agora?
Eu fiz...
o arquivo de saldo atual não contém preços, os preços que você me deu anteriormente não correspondem ao tamanho do saldo atual
UPD==============
Se eu pensar nisso, essa idéia é um fracasso. Não devo analisar e prever o gráfico de balanço, mas procurar pontos de entrada bons/muitos