Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3304
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 artigoModelos de classificação da biblioteca Scikit-learn e sua exportação para o ONNX foi publicado
Aqui está uma lista dos modelos suportados do próprio site
https://onnx.ai/sklearn-onnx/supported.html
Obrigado pelos exemplos prontos no artigo.
Naquela época, as corretoras ainda não coletavam valores de ticks. Eu mesmo fiz isso. Coletei ticks reais e os armazenei em arquivos em partes por cerca de 6 meses. Eu os apliquei no testador e obtive uma imagem completamente diferente.
Você tem sorte de ter decidido fazer um negócio sensato uma vez... agora as corretoras não coletam mais cotações de ticks, mas as pegam/fornecem de algum lugar; isso pode estar relacionado às atualizações do servidor MT.
Às vezes, é possível ver a olho nu - aqui estão os ticks novos, e aqui está uma besteira geral. E mesmo com minutos
na verdade, os arquivos de ticks reais, como realmente eram, vieram de um determinado DC - uma mercadoria muito cara. (mesmo com o sublinhado)
Estou surpreso que você esteja surpreso.
você tem sorte de ter decidido fazer um negócio sensato uma vez... agora as corretoras não coletam mais cotações de ticks, mas recebem/fornecem de outro lugar; isso pode estar relacionado às atualizações do servidor MT.
Às vezes, é possível ver a olho nu - aqui estão os ticks novos, e aqui está uma besteira geral. E mesmo com minutos
na verdade, os arquivos de ticks reais, como realmente eram, vieram de um determinado DC - uma mercadoria muito cara. (mesmo com o sublinhado)
Você está errado. Cada corretor coleta os ticks reais e, no testador do dia seguinte, você pode obter os ticks reais do dia anterior.
E exatamente esses ticks que, após a filtragem, são enviados pela corretora ao MT5. Você pode verificar isso no modo "Every tick based on real ticks" ou copiá-lo.
Um bom artigo sobre como fazer a representação BP adequada para redes neurais. As FFTs podem ser eliminadas, é claro. E mais comparações de modelos diferentes.
A diferença fundamental é que o pré-processamento é incorporado à arquitetura da rede. Mas ele pode ser feito separadamente.
O LSTM fica em segundo plano, porque não leva em conta as variações entre períodos.
O Bousting também está perto do final da classificação, com base em seus testes.Um bom artigo sobre como fazer a representação BP adequada para redes neurais. As FFTs podem ser eliminadas, é claro. E mais comparações de modelos diferentes.
A diferença fundamental é que o pré-processamento é incorporado à arquitetura da rede. Mas ele pode ser feito separadamente.
O LSTM fica em segundo plano, porque não leva em conta as variações entre períodos.
O Bousting também está perto da parte inferior da classificação, com base em seus testes.Não, eu entendo que quanto mais você pesquisar (iterações), maior será a probabilidade de encontrar algo aleatório que se pareça com algo que NÃO é aleatório.....
Mas se tivermos uma ideia e depois combinarmos os parâmetros com ela em 10 iterações em vez de 10.000, isso pode ser considerado um modelo não treinado?
Afinal de contas, a própria frase"tivemos uma ideia" também implica algum tipo de processo de pensamento (iterações).
Como o modelo final sabe se foram iterações do cérebro ou do computador e se há alguma diferença entre as duas?
A pergunta surgiu depois de ler o artigo de Prado
Não faz muito tempo, no fórum, alguém deu o nome do efeito (ainda não o encontrei), por causa do qual as séries próximas a SB parecem ter um período. Esse efeito está associado a muitos momentos vergonhosos na ciência, quando, por meio de Fourier, "descobriram" a periodicidade nos processos, e os radioamadores, por causa disso, nunca sobreviverão no fórum).
Como provar o contrário?
Na minha opinião, há eventos ligados ao tempo - a mesma notícia. Acho que se as dividirmos em três subamostras - esperada, pior, melhor e levarmos em conta o contexto, perceberemos um comportamento semelhante dos participantes do mercado.
Outra opção é a sazonalidade das mercadorias.
Afinal de contas, a própria frase"tivemos uma ideia" também implica algum tipo de processo de pensamento (iterações).
Como o modelo final sabe se foram iterações do cérebro ou do computador e se há alguma diferença entre as duas?
A pergunta surgiu depois de ler o artigo de Prado
A superaprendizagem decorre da memorização de fenômenos raros. Esses fenômenos são isolados de forma puramente estatística, pois não há um modelo que descreva a causa e o efeito.
Dito isso, uma perda nem sempre significa que o modelo está supertreinado.