Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3166
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
Você é simplesmente irritante, guru! Eu não sei quanto a mim, mas você sabe - olhe para o seu mercado!
Você tem alguma coisa além da percepção dolorosa do mundo ao seu redor e da fé sagrada em pacotes, ou o cofrinho está esgotado? )
Todos os dias leio sobre pacotes sobre os quais você não sabe nada.
Ou será que é o Dia da Marmota?é hora de encerrar esse esforço épico de tentar encontrar padrões em dados aleatórios.
Sim.
Ou é hora de parar de pensar em inércia e dar uma olhada sóbria nos resultados.
Os resultados do aprendizado por meio do corset geralmente não são ruins
Dos anos 10 a 21, um espartilho foi encontrado com uma fração de 30% (30% do histórico aleatório desse site participou do aprendizado); nos outros anos, em geral, foi puro OOS
No terminal, a aparência é a seguinte
Há muitos métodos para determinar o coreset. Aqui estão alguns dos métodos mais populares:
É importante observar que não existe uma maneira universal de obter um conjunto de núcleos que seja adequado para todas as tarefas de aprendizado de máquina. A escolha do método para obter o conjunto de núcleos depende da tarefa específica e do recurso computacional disponível.
*Bardo
Os resultados do aprendizado com o espartilho geralmente não são ruins
Dos anos 10 a 21, um espartilho foi encontrado com uma fração de 30% (30% do histórico aleatório desse site participou do aprendizado), os anos restantes geralmente foram de puro OOS
No terminal, a aparência é a seguinte
Bem, também há períodos de rebaixamento que duram de seis meses a um ano. Você está preparado para isso? Especialmente se o drawdown começar imediatamente no lançamento em tempo real?
Bem, também há períodos de rebaixamento que duram de seis meses a um ano. Você está preparado para isso? Especialmente se o drawdown começar imediatamente quando você começar a investir de verdade?
Normalmente, diversifique.
Você só precisa criar um portfólio de instrumentos que criará o maior fator de recuperaçãoEsses gráficos serão lucrativos em outros instrumentos. E se a tendência geral de todos eles for a mesma do gráfico apresentado, a estabilidade do investimento estará garantida.
Bem, também há períodos de rebaixamento que duram de seis meses a um ano. Você está preparado para isso? Especialmente se o drawdown começar imediatamente quando você começar a investir de verdade?
Não estou pronto para apostar em 20 anos :) isso é mais um estudo de caso.
Estou bem com 10 anos de treinamento - 1 ano de OOS, tudo bem.
mas há muito ruído, às vezes o modelo descarta quase todas as amostras como inúteis, restando 3 transações
Há também partes do histórico que nunca são previstas normalmente.
Em suma, não é uma atividade muito gratificante.
É como girar o receptor antigo e acidentalmente atingir alguma onda com ruído.
Mais uma vez, estou convencido de que, para prever, você precisa de um modelo.
O modelo remove o desnecessário (ruído), deixando o necessário (sinal), se possível amplificando o necessário (sinal), bem como o modelo é mais determinístico, mais repetitivo nos padrões....
como exemplo.
preços minutka alto-baixo.
Além disso, construímos a simplificação mais simples do preço (criamos um modelo).
Em seguida, removemos o excesso (aprimoramos o modelo) com a ajuda de um algoritmo simples conhecido para redução de dimensionalidade, o modelo se tornou mais repetitivo.
E o último toque, talvez decorativo.
Gostaria de saber como o MO será treinado com esses dados?
Esta é uma amostra de teste.
Você já viu números como esse antes?
Qual é o nome exato? Ou é feito em casa?
Uso diferentes modelos de "madeira" há muitos anos e nunca vi nada parecido com isso.
O que você quer dizer com "caseiro"? Há uma justificativa teórica, um bom artigo. Há um pacote chamado RLTv3.2.6. Ele funciona bem. Você deve prestar atenção à versão.
Sobre o ONNX para modelos de madeira em Python. Consulte o pacote skl2onnx.
Modelos suportados do scikit-learn. O último conjunto de opções suportado é o 15.
Boa sorte