Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2969

[Maxim Dmitrievsky]

mytarmailS #:

porque não é para isso que ele serve.

Por que ninguém escreve sites em C++?

Eu apenas escolhi o que era mais familiar, mais semelhante ao mql, e o que era menos familiar (não familiar) foi chamado de jerky. Você deveria ter aprendido...

Não é difícil aprender nada. Mas o grão racional sugeriu que não há sentido ou vantagens em seus ofícios.

Comecei a escrever códigos em Python imediatamente, sem quase estudá-los. Depois, foram necessárias algumas bibliotecas básicas e pronto.

Não há tarefas em que o R ganhe. A estatística é um mito. Algumas pessoas justificam sua escolha dessa forma, como Sanych.

[mytarmailS]

Maxim Dmitrievsky #:

Comecei a escrever código em Python imediatamente, sem quase aprender. Depois, foram necessárias algumas bibliotecas básicas e pronto.

Bem, tudo bem, ela foi projetada dessa forma....

Mas por que esses ataques passivo-agressivos ao R o tempo todo? É a melhor linguagem para suas tarefas, é para isso que foi criada,

Python é uma linguagem geral com a pretensão de ser fácil de aprender...

O principal não é isso, mas fazer negócios bonitos com a ajuda de algoritmos.

[Maxim Kuznetsov]

mytarmailS #:

porque não é para isso que ele serve.

Por que ninguém escreve sites em C++?

Cada linguagem tem sua própria tarefa, e é por isso que existem tantas delas.

Eu apenas escolhi o que era mais familiar, mais semelhante ao mql, e o que era menos familiar (não familiar) foi chamado de jerky. E você deveria ter estudado...

provavelmente você não sabe o suficiente sobre o assunto... oback-end em C++ está em alta demanda e é quase o trabalho mais caro.

[mytarmailS]

Maxim Kuznetsov #:

você provavelmente não está totalmente ciente... oback-end em C++ está em alta demanda e é quase o trabalho mais caro.

provavelmente você não está ciente de que um site não é apenas um backend ;)

[Renat Fatkhullin]

Nem todo mundo acompanha o desenvolvimento da MQL5, mas ela tem métodos padrão para matrizes e vetores.

Esses são os métodos padrão da linguagem, não de bibliotecas de terceiros. Com a introdução de tipos de matriz/vetor/complexo, a linguagem se tornou muito poderosa para análise estatística e matemática pesada.

Função	Ação	Categoria
Ativação	Calcula os valores da função de ativação e grava no vetor/matriz passado	Aprendizado de máquina
ArgMax	Retorna o índice do valor máximo	Estatísticas
ArgMin	Retorna o índice do valor mínimo	Estatísticas
ArgSort	Retorna o índice ordenado	Manipulações
Assign	Copia uma matriz, um vetor ou uma matriz com conversão automática	Inicialização
Média	Calcula uma média ponderada de valores de matriz/vetor.	Estatísticas
Cholesky	Calcula a decomposição de Cholesky	Transformações
Clipe	Restringe elementos de matriz/vetor a um intervalo especificado de valores aceitáveis	Manipulações
Col	Retorna um vetor de coluna. Grava o vetor na coluna especificada	Manipulações
Cols	Retorna o número de colunas na matriz	Características
Compare	Compara elementos de duas matrizes/vetores com a precisão especificada	Manipulações
CompareByDigits	Compara elementos de duas matrizes/vetores para correspondência com precisão de dígitos significativos	Manipulações
Cond	Calcula o número condicional de uma matriz	Características
Convolve	Retorna uma convolução linear discreta de dois vetores	Derivadas
Copiar	Retorna uma cópia de uma determinada matriz/vetor	Manipulações
CopyRates	Obtém a série histórica da estrutura MqlRates do período-símbolo especificado na quantidade especificada em uma matriz ou vetor	Inicialização
CopyTicks	Obtém ticks da estrutura MqlTick em uma matriz ou vetor	Inicialização
CopyTicksRange	Obtém uma matriz ou vetor de ticks da estrutura MqlTick no intervalo de datas especificado.	Inicialização
CorrCoef	Calcula o coeficiente de correlação de Pearson (coeficiente de correlação linear)	Derivativos
Correlate	Calcula a correlação cruzada de dois vetores	Derivativos
Cov	Calcula a matriz de covariância	Produtos
CumProd	Retorna o produto cumulativo de elementos de matriz/vetor, incluindo elementos ao longo do eixo fornecido.	Estatísticas
CumSum	Retorna a soma cumulativa de elementos de matriz/vetor, incluindo elementos ao longo do eixo fornecido	Estatísticas
Derivative	Calcula os valores da derivada da função de ativação e grava no vetor/matriz passado	Aprendizado de máquina
Det	Calcula o determinante de uma matriz quadrada não degenerada	Características
Diag	Extrai uma diagonal ou constrói uma matriz diagonal	Manipulações
Ponto	Produto escalar de dois vetores	Derivadas
Eig	Calcula os valores próprios e os vetores próprios direitos de uma matriz quadrada	Transformações
EigVals	Calcula os valores próprios de uma matriz geral	Transformações
Eye	Retorna uma matriz com uns na diagonal e zeros em outros lugares	Inicialização
Preenchimento	Preenche uma matriz ou vetor existente com um determinado valor	Inicialização
Plano	Permite que um elemento da matriz seja acessado usando um único índice em vez de dois índices	Manipulações
Completo	Cria e retorna uma nova matriz preenchida com o valor especificado.	Inicialização
GeMM	Multiplicação geral de duas matrizes (General Matrix Multiply)	Produtos
Hsplit	Divisão horizontal de uma matriz em várias submatrizes. O mesmo que Split com eixo = 0.	Manipulações
Identity (Identidade)	Cria uma única matriz com o tamanho especificado	Inicialização
Init	Inicializa uma matriz ou vetor	Inicialização
Inner	Produto interno de duas matrizes	Derivativos
Inversa	Calcula o inverso (multiplicativo) de uma matriz quadrada não degenerada usando o método Jordaan-Gauss	Soluções
Kron	Retorna o produto de Kronecker de duas matrizes, uma matriz e um vetor, um vetor e uma matriz ou dois vetores	Produtos
Perda	Calcula os valores da função de perda e grava no vetor/matriz passado	Aprendizado de máquina
LstSq	Retorna a solução de mínimos quadrados de equações algébricas lineares (para matrizes não quadradas ou degeneradas)	Soluções
LU	Fatoração LU de uma matriz como o produto de uma matriz triangular inferior e uma matriz triangular superior	Transformações
LUP	Fatoração LUP com permutação parcial, que se refere à decomposição LU somente com permutação de linha: PA=LU	Transformações
MatMul	Produto matricial de duas matrizes	Derivadas
Max	Retorna o valor máximo em uma matriz/vetor	Estatísticas
Média	Calcula a média aritmética dos valores dos elementos	Estatísticas
Mediana	Calcula a mediana dos elementos da matriz/vetor	Estatísticas
Mínimo	Retorna o valor mínimo na matriz/vetor	Estatísticas
Norm	Retorna a norma da matriz ou do vetor	Características
Uns	Cria e retorna uma nova matriz preenchida com uns	Inicialização
Externo	Calcula o produto externo de duas matrizes ou dois vetores	Produtos
Percentil	Retorna o percentil especificado dos elementos ou elementos da matriz/vetor ao longo do eixo especificado.	Estatísticas
PInv	Calcula uma matriz pseudo-inversa usando o método Moore-Penrose	Soluções
Potência	Eleva uma matriz quadrada a um grau inteiro	Produtos
Prod	Retorna o produto de elementos de matriz/vetor, que também pode ser realizado para um determinado eixo	Estatísticas
Ptp	Retorna o intervalo de valores de matriz/vetor ou o eixo de matriz fornecido	Estatísticas
QR	Calcula a fatoração qr de uma matriz	Transformações
Quantil	Retorna o quantil especificado de valores de elementos de matriz/vetor ou elementos ao longo do eixo especificado	Estatísticas
Classificação	Retorna a classificação da matriz usando o método Gaussiano	Características
RegressionMetric	Calcula a métrica de regressão como o erro de desvio da linha de regressão desenhada no conjunto de dados especificado	Estatísticas
Reshape	Altera a forma de uma matriz sem alterar seus dados	Manipulações
Redimensionar	Retorna uma nova matriz com forma e tamanho alterados	Manipulações
Row (Linha)	Retorna uma linha de vetor. Grava o vetor na linha especificada	Manipulações
Linhas	Retorna o número de linhas na matriz	Características
Tamanho	Retorna o tamanho do vetor	Características
SLogDet	Calcula o sinal e o logaritmo do determinante da matriz	Características
Solve	Resolve uma equação matricial linear ou um sistema de equações algébricas lineares	Soluções
Classificar	Classificar por local	Manipulações
Espectro	Calcula o espectro de uma matriz como o conjunto de seus valores próprios do produto AT*A	Características
Divisão	Divide uma matriz em várias submatrizes	Manipulações
Std	Retorna o desvio padrão de valores de elementos de matriz/vetor ou elementos ao longo de um determinado eixo.	Estatísticas
Sum	Retorna a soma de elementos de matriz/vetor que também pode ser executada para o(s) eixo(s) fornecido(s)	Estatísticas
SVD	Decomposição de valor singular	Transformações
SwapCols	Troca colunas em uma matriz	Manipulações
SwapRows	Troca as linhas em uma matriz	Manipulações
Traço	Retorna a soma das diagonais da matriz	Características
Transpor	Transpõe (troca os eixos) e retorna a matriz modificada	Manipulações
Tri	Constrói uma matriz com uns na diagonal fornecida e abaixo e zeros em outros lugares.	Inicialização
TriL	Retorna uma cópia da matriz com elementos zerados sobre a k-ésima diagonal. Matriz triangular inferior	Manipulações
TriU	Retorna uma cópia da matriz com elementos zerados abaixo da k-ésima diagonal. Matriz triangular superior	Manipulações
Var	Calcula a variação dos valores dos elementos da matriz/vetor	Estatísticas
Vsplit	Divisão vertical de uma matriz em várias submatrizes. O mesmo que Split com eixo=1	Manipulações
Zeros	Cria e retorna uma nova matriz preenchida com zeros	Inicialização

[Maxim Dmitrievsky]

mytarmailS #:

Bem, ótimo, é assim que se pretende.....

Mas por que esses ataques passivo-agressivos ao R o tempo todo? É a melhor linguagem para suas tarefas, é para isso que foi projetada,

Python é uma linguagem genérica com a pretensão de ser fácil de aprender...

O principal não é isso, mas fazer negócios bonitos com a ajuda de algoritmos.

Não preciso de suas negociações, preciso de backtests!

Negociar não é uma questão de ciência, é mais situacional. As negociações de hoje são +, as de amanhã são -.

Havia uma arbitragem normal quando você podia comprar flores para as mulheres e carros para si mesmo e, depois, de alguma forma, ela foi deflacionada. E não importa quais estatísticas você use, Mikola não fará uma flor de pedra.

Outro problema com os neurônios é a escolha dos modelos. Um deles está funcionando há um ano, os outros estão sendo descartados. Então, um egípcio grita com você dizendo que você o enganou. O que você vai fazer? Essa é a natureza das coisas. E as estatísticas de alguma forma passam novamente. Portanto, a escolha foi óbvia - para máxima simplicidade e conveniência.

[mytarmailS]

Maxim Dmitrievsky #:
Não preciso de suas ofertas, preciso de seus backtests!

Negociar não é uma questão de ciência, é mais situacional. As negociações de hoje estão em alta, as de amanhã

Com todo o meu conhecimento, não sei como algoritmizá-lo, apenas tenho uma compreensão da situação e isso é tudo...

O MO é como um indicador, e 99% do robô intelectual está por trás de mim...

1) Ou é assim e está funcionando.

2) Ou tudo é automático e nunca funciona.

Por enquanto, estou sentado na 1), mas sonhando com a 2)

[Maxim Dmitrievsky]

mytarmailS #:

Apesar de todo o meu conhecimento, não sei como algoritmizá-lo, apenas tenho uma compreensão da situação e isso é tudo....

O IO é como um indicador, e 99% do robô inteligente está atrás de mim...

1) Ou é isso, e funciona.

2) Ou está tudo no automático e nunca funciona.

Estou sentado na 1), mas estou sonhando com a 2).

Se você descobrir como validar melhor sua criação de FF, ela será automática. É uma ideia legal.

[mytarmailS]

Maxim Dmitrievsky #:
Você descobre como validar melhor seu ofício de FF e isso será automático. Essa é uma ideia legal.

Basta validá-la como um algoritmo normal.

Não estou falando sobre isso como uma descoberta, eu a inventei há mais de um ano...

O homem perguntou como treinar o AMO para obter lucro, eu apenas lhe mostrei como...

[Maxim Dmitrievsky]

mytarmailS #:

basta validá-lo como um algoritmo normal.

Não estou falando sobre isso como uma descoberta, eu inventei essa coisa há mais de um ano....

O homem perguntou como treinar o AMO para obter lucro, acabei de lhe mostrar como.

Ele não funcionará como um normal. Você precisa de um ajuste automático complicado para dados desconhecidos, filtragem de sinais de ruído etc. para fazer quase a mesma coisa que um ser humano.