Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2622

 
Replikant_mih #:

É uma boa ideia, só que eu penso que é importante aqui:

- Construir um grande número de estatísticas.

- Para uma pessoa negociar uma coisa (um sistema).

- Que a pessoa permaneça objectiva e que opere sistematicamente.


Neste caso, penso que se obterá uma boa avaliação e, portanto, é possível obter um benefício normal.

É melhor solicitar/como obter)))) o histórico comercial da bolsa e analisá-lo).

 
BillionerClub #:
E se alguém trocasse e desse ao ML o que é bom e o que é mau?
É melhor simular isto em quaisquer dados e perceber que soa apenas tentador
 
mytarmailS #:
É melhor simulá-lo em quaisquer dados e compreender que só soa tentador

Estamos a convergir num ponto. A NS está apenas a aprender com o desenrolar da história. A taxa de aprendizagem é bastante elevada. As desvantagens são que o tamanho da base não é suficiente para acumular padrões ao longo de um ano. Os resultados anteriores ficam desfocados. É possível fazê-lo em grandes períodos de tempo e baixa frequência de ofícios durante a formação. Mas um grande período de tempo implica um levantamento de crédito maior - nenhum TS garante um acerto de 100%. Uma das tarefas é utilizar o mais possível os movimentos do mercado. Saída - no gráfico, o Consultor Especialista no modo de trabalho com carregamento de base periódica e no Testador de Estratégia, ao mesmo tempo, o Consultor Especialista no modo de treino está constantemente a melhorar a base. Que confusão que temos aqui...

 
Dmytryi Voitukhov #:

Uma das tarefas é utilizar o mais possível os movimentos do mercado. Saída - no gráfico, o Expert Advisor em modo de trabalho com carregamento periódico da base, e ao mesmo tempo o Expert Advisor em modo de treino está constantemente a melhorar a base. Que confusão que temos aqui...

Reli-o de forma mais atenciosa. Basicamente, tudo está correcto, mas a neurónica é um beco sem saída por várias razões
 
mytarmailS #:
Reli-o de forma mais atenciosa. Basicamente, tudo é verdade, mas a neurónica é um beco sem saída por várias razões

Exactamente. Estou preso a um desses. A ideia é que a precisão da previsão é filtrada pelo limiar de probabilidade na camada de saída, mas depois a frequência das transacções cai muito e a capacidade de resposta à situação deteriora-se. A filtragem em camadas ocultas tem pouco efeito nos resultados. Utilizo paragem fixa e igual e tomo por objectividade no treino. No modo de Trabalho, a paragem é puxada após o Breakeven, a partir de alguma distância, o limiar de convergência é redefinido para 0, a fim de processar todas as imagens. O valor de paragem é uma média de movimentos entre 0 e 10, ..., 50 e 61 barras. Este valor é aproximadamente o mesmo que o valor optimizado. Talvez algo mais deva ser aplicado aqui? O ziguezague só veio agravar o quadro. Que tipo de bloqueios encontrou e que soluções sugere?

 
Dmytryi Voitukhov #:

Exactamente. Estou preso a um desses. A ideia é que a precisão da previsão é filtrada pelo limiar de probabilidade na camada de saída, mas depois a frequência das transacções cai muito e a capacidade de resposta à situação deteriora-se. A filtragem em camadas ocultas tem pouco efeito nos resultados. Utilizo paragem fixa e igual e tomo por objectividade no treino. No modo de Trabalho a paragem é puxada após o Breakeven, a partir de alguma distância, o limiar de convergência é reposto a 0 a fim de processar todas as imagens. O valor de paragem é uma média de movimentos entre 0 e 10, ..., 50 e 61 barras. Este valor é aproximadamente o mesmo que o valor optimizado. Talvez algo mais deva ser aplicado aqui? O ziguezague só veio agravar o quadro. Que bloqueios encontrou e que soluções sugere?

Paragem fixa, tomada, janela deslizante, dados de tabela à entrada, tudo isto não funciona para dados muito não-estacionários por razões óbvias.

Conceptualmente, as "regras associativas" são boas para o mercado. mas a implementação tem de ser diferente.
 
Maxim Dmitrievsky #:

não é um rótulo multilingue, tem um significado diferente. Excluir os maus sinais iterativamente, deixar os que são bem previstos pelo modelo principal na pilha geral, e o segundo modelo aprende a separar o mau do bom, a proibir ou permitir o comércio do primeiro

o 2º modelo também pode não ser necessário aqui? - Validação Cruzada e Pesquisa Grid para Selecção de Modelos ...(em Keras)

mas talvez apenas a matriz de confusão responda à sua 2ª pergunta (o objectivo do 2º modelo da sua ideia)...

.. . ou

... Só duvido que precise do 2º modelo ... imho

Cross Validation and Grid Search for Model Selection in Python
  • stackabuse.com
A typical machine learning process involves training different models on the dataset and selecting the one with best performance. However, evaluating the perfo...
 
mytarmailS #:
Paragem fixa, take, janela deslizante, dados de tabela à entrada, tudo o que não funciona para dados muito não-estacionários

no final do dia, o comerciante quer ganhar dinheiro com o barulho. possíveis flutuações cíclicas só podem interessar ao investidor a longo prazo, - e NÃO sem uma compreensão das inter-relações financeiras, não simples estatísticas... imho, o ruído de modelagem é mais interessante (para um comerciante), mas mais arriscado (para o seu ofício)... - o equilíbrio habitual entre o risco e a rentabilidade

p.s.

excepto que filtrar o ruído (funcionamento) do ruído (não funcionamento) é um verdadeiro desafio(ou seja, separar a poluição sonora do ruído)... Vi um artigo algures que deveríamos procurar uma relação Sinal/Ruído>2 (para o ruído de trabalho) - parece um oscilador comum que é enrolado na componente de tendência do modelo TS... tudo é trivial (como os principiantes são ensinados - 1 indicador de tendência, 1 oscilador), - e dentro de um ponto de referência tão comum pode-se colocar quaisquer preferências à informação e cálculos em que um comerciante está mais inclinado a confiar - só aqui vemos um campo para o subjectivismo no TS ... imho ... E esta trivialidade só deve ser digitalizada no modelo TS para que um robô possa ser comercializado, e não para ficar em frente ao terminal durante dias

Временные ряды-Введение
  • www.machinelearningmastery.ru
  • www.machinelearningmastery.ru
Статьи, вопросы и ответы на тему: машинное обучение, нейронные сети, искусственный интеллект
 
JeeyCi #:

Não precisa sequer de um segundo modelo aqui, pois não? - Validação Cruzada e Pesquisa Grid para Selecção de Modelos ...

mas talvez apenas a matriz de confusão responda à sua 2ª pergunta (o objectivo do 2º modelo da sua ideia)...

.. . ou

... Só duvido que precise do 2º modelo ... imho

Então a senhora pensa que não sabemos o que é o crossover? )) Mil palmeiras faciais...

E o "artigo" é apenas uma obra-prima ))))

1) para o forrest aleatório não é necessário fazer a validação cruzada, pois a própria construção da regra faz isto porque é aleatória...

2) para a floresta aleatória não é necessário normalizar os traços, a madeira trabalha com traços em bruto

Isto está abaixo do fundo.
 
mytarmailS #:

1) não é necessário cruzar os dados para Random Forest

Eu não queria responder à sua pergunta - ainda não sabe ler... (( - a sua capacidade de analisar o que leu há muito tempo foi questionada por mim, ou melhor, a sua ausência, bem como a sua análise da sua negociação e da sua automatização (nem sequer confunde palavras, estraga o contexto)

p.s.

a análise de tendências não é nada sem análise prévia de dependência... a análise de séries cronológicas é a última coisa a ser feita em estatísticas após outras análises... -- não pode estar satisfeito por a sua série temporal ser não-estacionária sem procurar dependências... - apenas estalar e cortar (provavelmente pensando que se está a divertir?) -- não se preocupe em responder a uma pergunta retórica