Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3203
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
Não me importo com seus sinais.
Por que os nossos? Os seus.
Por que o nosso? O seu.
Você tem se aquecido demais ultimamente, você e Sanych, tirem férias.
Obrigado, com certeza considerarei sua sugestão na ordem do dia.
Na verdade, o Lira está no modo OnlyClose há anos. É mais útil aplicar o MO ao cardiograma do vizinho.
ZY Um problema de lógica.
Há um determinado país onde tudo pode ser comprado apenas em lira. E absolutamente tudo (até mesmo o salário) tem um preço em dólares americanos, que em lira depende da taxa de câmbio.
E agora a lira ficou três vezes mais barata em relação ao dólar americano. Seria teoricamente possível (para um estrangeiro ou um local) ganhar dinheiro com isso?
Deixe-me dizer desde já que não estamos falando sobre a Turquia, mas sobre um determinado modelo ideal, que deverá eventualmente mostrar exatamente como os ganhos são obtidos em tempo real. Turquia incluída.
Na verdade, o Lira está no modo OnlyClose há anos. É mais útil aplicar o MO ao cardiograma de seu vizinho.
Estamos praticando com gatos. Acabo de ver que , se houver um comportamento regular, o algoritmo também o encontra, e não treina novamente para o ruído.
Se o olho nu o vê, o MO o encontrará, é claro. A tarefa do MO é diferente - encontrar um padrão onde ele não é visível.
Se o olho nu já o viu, o MO certamente o encontrará. A tarefa do IO é diferente: encontrar um padrão onde ele não é visível.
Se o olho nu já o viu, o MO certamente o encontrará. A tarefa do IO é diferente: encontrar um padrão onde ele não é visível.
Diga-me, por favor, em que a regularidade difere do aprendizado rotineiro da posição do MO?
Por exemplo, tenho uma ideia em minha cabeça de como deve ser um padrão de 5 candlesticks. Eu os marco no gráfico, executo o script de exportação de preços, envio-o para a rede neural, ela aprende como os padrões devem ser e como não devem ser (os rótulos dos outros conjuntos de preços são diferentes) e, em seguida, minha rede neural marca esses padrões no gráfico. Ou seja, não preciso escrever "se, então", a rede neural aprendeu e entendeu isso sozinha. Eu indiquei a ela com meu dedo o que e como.
Mas aqui está a tarefa "encontrar um padrão", o que é isso, como ela difere do exemplo com aprendizado automático?
Talvez encontrar um padrão seja uma tarefa muito complicada e a rede neural no momento apenas mantém o "aprendizado automático" em proporção à potência do computador.
Diga-me, por favor, qual é a diferença entre padronização e aprendizagem mecânica?
Por exemplo, tenho uma ideia de como deve ser um padrão de 5 candlesticks. Eu os marco no gráfico, executo o script de exportação de preços, envio-o para a rede neural, ela aprende como os padrões devem ser e como não devem ser (os rótulos dos outros conjuntos de preços são diferentes) e, em seguida, minha rede neural marca esses padrões no gráfico. Ou seja, não preciso escrever "se, então", a rede neural aprendeu e entendeu isso sozinha. Eu indiquei a ela com meu dedo o que e como.
Mas aqui está a tarefa "encontrar um padrão", o que é isso, como ela difere do exemplo com aprendizado automático?
Talvez encontrar um padrão seja uma tarefa muito complicada e a rede neural no momento apenas mantém o "aprendizado automático" em proporção à potência do computador.
Duas circunstâncias:
1. Você pode marcar qualquer coisa. O problema no futuro: com que erro seu MO encontrará o que você marcou.
2. Sua "marcação" não tem nada a ver com o MO, cujo significado é diferente, por exemplo: nós formamos "professores", ou seja, marcamos as áreas do kotir, que têm a garantia de ter, por exemplo, troncos e shorts. Em seguida, fornecemos ao algoritmo de MO esse "professor" e um determinado conjunto de dados de entrada, por exemplo, valores de indicadores. O algoritmo MO forma alguns conjuntos de valores de indicadores que correspondem aos valores do professor. Esses são os padrões. Em princípio, esses padrões não são nada para nós, mas o mais surpreendente é que, no futuro, esses padrões se repetem, embora com algum erro.
Duas circunstâncias:
1. Você pode marcar qualquer coisa. O problema no futuro é: com que erro seu MoD encontrará o que você marcou.
2. Sua "marcação" não tem nada a ver com o MO, cujo significado é diferente, por exemplo: nós formamos um "professor", ou seja, marcamos as áreas do kotir, que têm a garantia de ter, por exemplo, troncos e shorts. Em seguida, fornecemos ao algoritmo MO esse "professor" e um determinado conjunto de dados de entrada, por exemplo, valores de indicadores. O algoritmo MO forma alguns conjuntos de valores de indicadores que correspondem aos valores do professor. Esses são os padrões. Em princípio, esses padrões não são nada para nós, mas o mais surpreendente é que, no futuro, esses padrões se repetem com algum erro.