Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2706
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
Estou lendo aqui, vejo que cada um entende suas próprias conversas...
Não é possível comparar métodos de geração de características porque ainda não criei um sistema em código. O que pode ser comparado é seu sistema com meu conjunto de preditores e meu sistema/metodologia para selecioná-los.
Qualquer pessoa pode obter dados do intervalo histórico do servidor MQL - você quer um histórico contínuo. Mas a amostra final a ser treinada será uma ordem de magnitude menor de cadeias de amostras, mas com preditores adicionais.
O Expert Advisor que proponho usar salvará os preditores abertos e, no final do arquivo csv, haverá colunas com o resultado financeiro e a meta - você pode obter informações sobre o tempo de acionamento da "regra inicial"/função de ativação a partir daí, portanto, não há necessidade de reproduzir o algoritmo em R.
Sugiro o intervalo de tempo - de 2010 a 2020 - para treinamento, e o restante do tempo para testar os resultados fora do treinamento.
Ao criar seus preditores, você pode salvar o resultado em csv - e eu farei isso. Além disso, você pode mesclar colunas e estudar em intervalos diferentes ou apenas separadamente - isso é necessário para a comparação da exatidão da sincronização.
Posso enviar uma marcação pura, se você não quiser se aprofundar no assunto.
Você não pode comparar métodos de geração de recursos, pois ainda não criei um sistema em código. Você pode comparar seu sistema com meu conjunto de preditores e o sistema/método de seleção deles.
Qualquer pessoa pode obter dados do intervalo histórico do servidor MQL - você quer um histórico contínuo. Mas a amostra final, que será usada para treinamento, será uma ordem de magnitude menor de strings com exemplos, mas com preditores adicionais.
O Expert Advisor que proponho usar salvará os preditores abertos e, no final do arquivo csv, haverá colunas com o resultado financeiro e a meta - você pode obter informações sobre o tempo de acionamento da "regra inicial"/função de ativação a partir daí, portanto, não há necessidade de reproduzir o algoritmo em R.
Sugiro o intervalo de tempo - de 2010 a 2020 - para treinamento, e o restante do tempo para verificação dos resultados fora do treinamento.
Ao criar seus preditores, você pode salvar o resultado em csv - e eu farei isso. Você pode mesclar as colunas e estudar em intervalos diferentes ou apenas separadamente - você precisa disso para comparar a exatidão da sincronização.
Posso enviar uma marcação pura, se você não quiser se aprofundar no assunto.
Vamos voltar à lógica
pode haver muitos atributos diferentes e eles podem ou não ser informativos, dependendo de sua relação com o destino.
qual é a diferença entre uma relação e uma adequação? o grau de dependência informativa expresso por meio de alguma medida
quanto menor for a dependência informativa dos rótulos em cada recurso individual, mais recursos serão necessários para o treinamento.
O aumento do número de recursos leva ao ajuste porque o sistema começa a ter muitos parâmetros livres
Qual é a única abordagem correta nesse caso? Minimizar o número de recursos e, ao mesmo tempo, aumentar sua proporção em relação aos recursos de destino
É por isso que é necessário bombardear não apenas os recursos, mas também os recursos-alvo, de acordo com algum critério de vinculação de informações.
Se alguém quiser trabalhar nessa direção, eu ajudarei com o código.Vamos voltar à lógica
pode haver muitos atributos diferentes e eles podem ou não ser informativos, dependendo de sua relação com os atributos de destino.
qual é a diferença entre uma relação e uma adequação? o grau de dependência informativa expresso por meio de alguma medida
quanto menor for a dependência informativa dos rótulos em cada recurso individual, mais recursos serão necessários para o treinamento.
O aumento do número de recursos leva ao ajuste porque o sistema começa a ter muitos parâmetros livres
Qual é a única abordagem correta nesse caso? Minimizar o número de recursos e, ao mesmo tempo, aumentar sua proporção em relação aos recursos de destino
É por isso que é necessário bombardear não apenas os recursos, mas também os recursos-alvo, de acordo com algum critério de vinculação de informações.
Se alguém quiser trabalhar nessa direção, eu ajudarei com o código.É claro que concordo com a lógica, por isso sugeri anteriormente que identificássemos preditores aleatoriamente e depois os usássemos para marcação.
Para mim, esses pontos que têm capacidade de previsão são eventos, que geralmente penso em treinar separadamente, ou separar planilhas deles, e depois realizar qualquer procedimento de treinamento cumulativo.
Esse evento pode ser considerado como um sistema de negociação separado e o comportamento/eficiência desses sistemas pode ser analisado.
Agora, para mim, na compensação, o problema é a contabilidade independente desses eventos, ou seja, o suporte virtual que funcionaria corretamente em dados reais com perda de comunicação e outras delícias.
Os métodos de geração de recursos não podem ser comparados, pois ainda não criei o sistema em código.
Portanto, compare os métodos de geração de preditores humanos e de máquina :)
Portanto, compare os métodos de geração de preditores por humanos e máquinas :)
O que você está fazendo nessa história toda, então?
Só para esclarecer, meus preditores gerados.
Especificamente, meus preditores gerados.
É claro que concordo com a lógica, por isso sugeri anteriormente que identificássemos preditores aleatoriamente e os usássemos para marcação.
Para mim, esses pontos que têm capacidade de previsão são eventos que geralmente penso em treinar separadamente, ou separar planilhas deles, e depois realizar qualquer procedimento de treinamento agregado.
Esse evento pode ser considerado como um sistema de negociação separado e o comportamento/eficiência desses sistemas pode ser analisado.
Agora, para mim, na compensação, o problema é a contabilidade independente desses eventos, ou seja, o suporte virtual que funcionaria corretamente em dados reais com perda de comunicação e outras delícias.
Você realmente acha que isso tem algum valor?
É claro que sim. Você pode ver que tipo de ganho seu método lhe proporciona. Talvez ele seja tão insignificante que não faça sentido implementá-lo, ou vice-versa.