Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1892
![MQL5 - Linguagem para estratégias de negociação inseridas no terminal do cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Sim! Ainda não encontrei uma boa razão para passar por todos os tipos de AMOs se a "lacuna" na qualidade de reconhecimento entre todos eles for inferior a 5%. Todos eles obviamente carecem de informação (características) para um conhecimento mais profundo (melhor classificação) do objeto, então sim, eu comecei a trabalhar exclusivamente em características e formas de apresentar a informação.
A propósito, há um pacote interessante em python sobre a geração automática de funcionalidadesfeaturestools, eu infelizmente não consegui executá-lo em R-ka, alguns problemas com python em mim)))) Dê uma vista de olhos, acho que é uma coisa interessante.
E que tipo de preditores você adicionou?
Ainda não chegou a Python e R - muito pouco tempo :(
Estou a pensar que tipo de preditores posso arranjar um canal de regressão? Eu tenho um coeficiente, número de repetições do vector de construção do canal, fixando pontos onde o preço atravessa as fronteiras do canal.
E quem sabe como o canal de regressão é calculado em MT5, se o seu ponto final for prolongado para além da data actual, ou seja, para o futuro?
Qualquer coisa é possível )
featurestools, infelizmente nunca consegui rodá-lo em R, tenho alguns problemas com python)) Dê uma vista de olhos, acho que é uma coisa interessante.
Pensar ou provar? O que há de interessante nisso?
In [12]: feature_matrix_customers Out[12]: zip_code COUNT(sessions) NUM_UNIQUE(sessions.device) MODE(sessions.device) SUM(transactions.amount) STD(transactions.amount) MAX(transactions.amount) SKEW(transactions.amount) MIN(transactions.amount) MEAN(transactions.amount) MEAN(transactions. amount) COUNT(transactions) NUM_UNIQUE(transactions.product_id ) MODE(transactions.product_id) DAY(date_of_birth) DAY(join_date) YEAR(date_of_birth) YEAR(join_date) MONTH(date_of_birth) MONTH(join_date) WEEKDAY(date_of_birth) WEEKDAY(join_date) SUM(sessions.SKEW(transactions.amount)) SUM(sessions.NUM_UNIQUE(transactions.product_id)) SUM(sessões.MAX(transações.montante)) SUM(sessões.MIN(transações.montante)) SUM(sessions.STD(transactions.amount)) SUM(sessions.MEAN(transactions.amount)) STD(sessions.SKEW(transactions.amount)) STD(sessions.NUM_UNIQUE(transactions.product_id)) STD(sessions.MAX(transactions.amount)) STD(sessions.SUM(transactions.amount)) STD(sessions.COUNT(transactions)) STD(sessions.MIN(transactions.amount)) STD(sessions.MEAN(transactions.amount)) MAX(sessions.SKEW(transactions.amount)) MAX(sessions.NUM_UNIQUE(transactions.product_id)) MAX(sessões.SUM(transações.montante)) MAX(sessões.COUNT(transações)) MAX(sessões.MIN(transações.montante)) MAX(sessions.STD(transactions.amount)) MAX(sessions.MEAN(transactions.amount)) SKEW(sessions.NUM_UNIQUE(transactions.product_id)) SKEW(sessions.MAX(transactions.amount)) SKEW(sessions.SUM(transactions.amount)) SKEW(sessions.COUNT(transactions)) SKEW(sessions.MIN(transactions.amount)) SKEW(sessions.STD(transactions.amount)) SKEW(sessions.MEAN(transactions.amount)) MIN(sessions.SKEW(transactions.amount)) MIN(sessions.NUM_UNIQUE(transactions.product_id)) MIN(sessões.MAX(transações.montante)) MIN(sessões.SUM(transações.montante)) MIN(sessions.COUNT(transactions)) MIN(sessions.STD(transactions.amount)) MIN(sessions.MEAN(transactions.amount)) MEAN(sessions.SKEW(transactions.amount)) MEAN(sessions.NUM_UNIQUE(transactions.product_id)) MEAN(sessions.MAX(transactions.amount)) MEAN(sessions.SUM(transactions.amount)) MEAN(sessions.COUNT(transactions)) MEAN(sessions.MIN(transactions.amount)) MEAN(sessions.STD(transactions.amount)) MEAN(sessions.MEAN(transactions.amount)) NUM_UNIQUE(sessions.MODE(transactions.product_id)) NUM_UNIQUE(sessions.DAY(session_start)) NUM_UNIQUE(sessions.WEEKDAY(session_start)) NUM_UNIQUE(sessions.YEAR(session_start)) NUM_UNIQUE(sessions.MONTH(session_start)) MODE(sessions.MODE(transactions.product_id)) MODE(sessions.DAY(session_start)) MODE(sessions.WEEKDAY(session_start)) MODE(sessions.YEAR(session_start)) MODE(sessions.MONTH(session_start)) NUM_UNIQUE(transactions.sessions.device) NUM_UNIQUE(transactions.sessions.client_id) MODE(transactions.sessions.device) MODE(transactions.sessions.device) MODE(transactions.sessions.sessions).customer_id) customer_id 1 60091 8 3 mobile 9025,62 40,442059 139,43 0,019698 5,81 71,631905 126 5 4 18 17 1994 2011 7 4 0 6 -0,476122 40 1057,97 78,59 312,745952 582,193117 0,589386 0,000000 7.322191 279.510713 4.062019 6.954507 13.759314 0.640252 5 1613.93 25 26.36 46.905665 88.755625 0.000000 -0.780493 0.778170 1.946018 2.440005 -0.312355 -0.424949 -1.038434 5 118.90 809,97 12 30,450261 50,623125 -0,059515 5,000000 132,246250 1128,202500 15,750000 9,823750 39,093244 72,774140 4 1 1 1 1 4 1 2 2014 1 3 1 móvel 1 2 13244 7 3 desktop 7200. 28 37.705178 146.81 0.098259 8.73 77.422366 93 5 4 18 15 1986 2012 8 4 0 6 -0.277640 35 931.63 154.60 258.700528 548.905851 0.509798 0.000000 17.221593 251.609234 3.450328 15.874374 11.477071 0.755711 5 1320.64 18 56.46 47.935920 96.581000 0.000000 -1.539467 -0.440929 -0.303276 2.154929 0.013087 0.235296 -0.763603 5 100.04 634,84 8 27,839228 61,910000 -0,039663 5,000000 133,090000 1028,611429 13,285714 22,085714 36,957218 78,415122 4 1 1 1 1 1 3 1 2 2014 1 3 1 3 3 13244 6 3 desktop 6236. 62 43.683296 149.15 0.418230 5.89 67.060430 93 5 1 21 13 2003 2011 11 8 4 5 2.286086 29 847.63 66.21 257.299895 405.237462 0.429374 0.408248 10.724241 219.021420 2.428992 5.424407 11.174282 0.854976 5 1477.97 18 20.06 50.110120 82.109444 -2.449490 -0.941078 2.246479 -1.507217 1.000771 -0.245703 0.678544 -0.289466 4 126.74 889,21 11 35,704680 55,579412 0,381014 4,833333 141,271667 1039,436667 15,500000 11,035000 42,883316 67,539577 4 1 1 1 1 1 1 2 2014 1 3 1 desktop 3 60091 8 3 mobile 8727. 68 45.068765 149.95 -0.036348 5.73 80.070459 109 5 2 15 8 2006 2011 8 4 1 4 0.002764 37 1157.99 131.51 356.125829 649.657515 0.387884 0.517549 3.514421 235.992478 3.335416 16.960575 13.027258 0.382868 5 1351.46 18 54.83 54.293903 110.450000 -0.644061 0.027256 -0.391805 0.282488 2.103510 -1.065663 1.980948 -0,711744 4 139,20 771,68 10 29,026424 70,638182 0,000346 4,625000 144,748750 1090,960000 13,625000 16,438750 44,515729 81,207189 5 1 1 1 1 1 1 2 2014 1 3 1 móvel 4 5 60091 6 3 móvel 634966 44.095630 149.02 -0.025941 7.55 80.375443 79 5 5 28 17 1984 2010 7 7 5 5 0.014384 30 839.76 86.49 259.873954 472.231119 0.415426 0.000000 7.928001 402.775486 3.600926 4.961414 11.007471 0.602209 5 1700.67 18 20.65 51.149250 94.481667 0.000000 -0.333796 0.472342 -0.317685 -0.470410 0.204548 0.335175 -0.539060 5 128.51 543.18 8 36.734681 66.666667 0.002397 5.000000 139.960000 1058.276667 13.166667 14.415000 43.312326 78.705187 5 1 1 1 3 1 2
Estou a pensar, que tipo de preditores podemos arranjar um canal de regressão?
Cheguei à conclusão que é melhor não pensar e não inventar, mas escrever uma espécie de algoritmo de reescrita que irá sintetizar os traços e verificá-los, se o traço é bom então deixá-lo, se mau então jogá-lo fora, para que você possa passar por milhões de opções, ele é claramente mais eficiente do que a invenção humana.
Depois disso podemos melhorar e modificar os bons sinais, depois novamente, novamente e assim por diante até que o erro caia...
Eu me inspirei nos escritos de Ivakhnenko e no método MSUA. Eu gosto da filosofia do próprio método.
pensar ou provar? o que é interessante lá?
Escrevi que não consegui executar o pacote, como posso provar alguma coisa se nem sequer lhe toquei, li a documentação, há alguns truques, faz sentido experimentá-lo, mas não o experimentei pelas razões descritas acima
não consegues encontrar o meio, o std e o mod por ti mesmo.
Para qualquer série tailandesa, é perfeito. Para não teres de o fazer à mão.
Isto deve ser colocado no LSTM, que foram aqui mencionados
não se consegue encontrar o meio, a std e a moda.
não é assim tão primitivo, leia mais
Mas no final você terá que escrever seu próprio sintetizador de características, é claro.
Não é assim tão primitivo, leia mais.
Estou quase a acabar com o meu bot! Os testes serão feitos em breve.
quantos desejos de geomoro tiveram que ser superadosEstou quase a acabar o meu robot! Os testes estão a chegar!
esperar)
Ele tem negociado com neurónios há três anos. Eu falei com ele pessoalmente. Ele tem gerido contas há pelo menos 100.000.000. Abra o perfil dele e verá todas as contas dele. Ele conseguiu. Então tu também o farás. Se não o fizeres agora, vais conseguir mais tarde. Não desistas).
Ele fê-lo, e tem negociado numa conta de demonstração durante três anos).
Ele conseguiu e é por isso que está a negociar numa conta de demonstração há três anos ?)
Aí está.
eles deram cabo da ilusão de ficar rico...