Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2690
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
O que você quer dizer com "não é sério"? Redes neurais de 3 andares, é claro, mas também não é sério usá-las para séries temporais. Modelos treinados simples são facilmente transferíveis
É claro que você precisa ser mais específico. Para modelos simples, como regressão logística, modelos de madeira, etc., isso provavelmente é possível. Mas estou falando de modelos sérios para dados de TC e tabulares. Essas duas áreas agora se tornaram muito divididas e especializadas. Para dados tabulares, que são usados principalmente no aprendizado de máquina, o TabNet(artigo, implementações (py) 1, 2, 3) é muito promissor. E muitos outros pacotes que fornecem ótimos resultados. Aqui está uma lista do que pesquisei e utilizo parcialmente.
Nem todos são usados, principalmente devido às limitações de potência da máquina e às preferências pessoais. Para mim, o treinamento e a otimização por mais de uma hora não são interessantes.
Não acho que será possível transferir esses modelos para o MCL. E aqui você não pode fazer isso sem criar uma infraestrutura para vincular MKL<->Python.
Isso é uma pequena digressão, mas o tópico é importante para mim.
A ideia principal, repito: todo desenvolvedor, seja ele um freelancer, um profissional de marketing ou um operador de forex/criptografia/ações, tem sua linguagem "favorita" e suas bicicletas "favoritas" com muletas. Precisamos compartilhar experiências de uso, não discutir o que é melhor. E, principalmente, não discutir sobre o futuro do JA.
E não tome o comentário como uma ofensa pessoal. Não estamos no jardim de infância.
Boa sorte a todos.
É claro que isso precisa ser esclarecido. Para modelos simples, como regressão logística, modelos de árvore, etc., provavelmente é possível. Mas estou falando de modelos sérios para dados TC e tabulares. Essas duas áreas agora se tornaram muito divididas e especializadas. Para dados tabulares, que são usados principalmente no aprendizado de máquina, o TabNet(artigo, implementações (py) 1, 2, 3) é muito promissor. E muitos outros pacotes que fornecem ótimos resultados. Aqui está uma lista do que pesquisei e utilizo parcialmente.
Nem todos são usados, principalmente devido às limitações de potência da máquina e às preferências pessoais. Para mim, treinar e otimizar por mais de uma hora não é interessante.
Não acho que será possível transferir esses modelos para o MCL. E aqui não podemos prescindir da criação de uma infraestrutura para vincular MKL<->Python.
Isso é uma pequena digressão, mas o tópico é importante para mim.
Repito a ideia principal: todo desenvolvedor, seja ele um freelancer, um comerciante ou um operador de forex/criptografia/ações, tem sua linguagem "favorita" e suas bicicletas "favoritas" com muletas. Precisamos compartilhar experiências de uso, não discutir o que é melhor. E, mais ainda, não discutir sobre o futuro da API.
Boa sorte a todos.
Dados tabulares != séries temporais como tabelas, afinal, são coisas diferentes
É claro que dados tabulares e séries temporais são coisas diferentes.
E não se pode argumentar contra isso.
Especialmente hilárias são as séries de artigos como "A rede neural é simples". Como exemplo de programação em MKL - bom, mas para a prática - zero. Bem, isso já é motivo de reclamação.
Boa sorte a todos
É claro que dados tabulares e séries temporais são coisas diferentes.
Não se pode argumentar contra isso.
Especialmente hilária é a série de artigos como "A rede neural é simples". Como um exemplo de programação em MKL - bom, mas para a prática - zero. Bem, isso já é uma reclamação.
Boa sorte a todos
Leia se você ainda não viu.
há um ranking de classificadores
https://www.timeseriesclassification.com
Pelo que me lembro, as redes neurais não estavam no topo da listaO TabNet é altamente dependente do conjunto de dados e dos recursos selecionados
Às vezes, quase não há diferença com outros classificadores
Portanto, eu gostaria de ser mais específico ao aplicar algo. Esse classificador é muito superior?
https://arxiv.org/pdf/1908.07442.pdf
Experimentei arquiteturas semelhantes para sintetizar novos dados. Todas as redes neurais tiveram desempenho pior do que o GMM em séries temporais de forex (menos plausíveis). Já em dados tabulares simples, elas funcionaram bem. Não me lembro se havia o Tabnet lá.
Foi por isso que escrevi um esclarecimento de que dados tabulares = séries temporais na forma de tabelas, os resultados serão piores.Do que você está falando. As bolsas de criptomoedas (especificamente a Binance) fornecem...
Pensei em meter o nariz nas bíblias também, mas pensei melhor e peço desculpas pelo tempo...
Quando você ironizar, veja primeiro o que você mesmo fez... e, na verdade, nada, você transformou pacotes em R.
Vocês podem jogar pacotes uns nos outros em outro fórum, mas acho que nada mudará em termos de desenvolvimento de MO no comércio.
Ao usar o R, o produto é tão legal que é uma pena vendê-lo 😁.
Concordo plenamente que o produto final (para o mt5) deve consistir em um arquivo ex5 sem nenhuma integração e (de preferência) sem arquivos adicionais. O histórico de obtenção não é tão importante - o principal é que ele deve funcionar (ou ser vendido).
O uso do R torna um produto tão legal que é uma pena vendê-lo 😁.
Concordo plenamente que o produto final (para o mt5) deve consistir em um arquivo ex5 sem nenhuma integração e (de preferência) sem arquivos adicionais. O histórico de obtenção não é tão importante - o principal é que ele deve funcionar (ou ser vendido).
Concordo e acho que esse é o caminho certo. Tudo deve estar no exe, ele não deve puxar nada. Caso contrário, não é um produto para vendas.
Concordo e acho que essa é a maneira correta. Tudo deve estar no exe, ele não deve puxar nada. Caso contrário, não será um produto para vendas.
Diga isso à Amazon e ao Google. Que eles não criaram seus negócios corretamente e que sua infraestrutura está errada :-)