Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1215

 
Igor Makanu:

Estou dizendo que você foi o único que pôde simplificar o problema de MO desta forma, tudo é pesquisável, tudo funciona, houve exemplos da Reshetov nos primeiros dias do desenvolvimento do MQL, mas eles são primitivos, embora ))))

a única coisa que resta é polir o algoritmo e terminar o tema RL :) pode ser possível esticar alguma % da qualidade do modelo com classificações de maior qualidade em Python

e atirar a enumeração de variantes para Tesla... mas é muito o que fazer.
 
Martin Cheguevara:

Meu gráfico de equidade não é aleatório e é bastante informativo (preciso verificá-lo), aprendi a distinguir tendências de flattens.

A negociação está a decorrer, mas precisa de se tornar mais eficiente.

Onde está o gráfico de equidade?

 
Martin Cheguevara:
Vou adicionar-lhe a análise da página através do google yandex motores de busca

então porque é que precisas dele?

 
Maxim Dmitrievsky:

a única coisa que resta é lamber o algoritmo até o fim e terminar este tema com RL :) pode haver em python devido à maior qualidade de classificação ainda será possível espremer alguma % da qualidade do modelo

Eu tenho muito trabalho a fazer.

Eu tentei ontem na VS2017, Python está funcionando, e eu até consegui em uma forma separada de viúvas. A única coisa é que o IronPython 2.7 está lá, eu preciso analisá-lo, mas eu acho que posso acoplá-lo com o MT5 sem nenhum problema

 
Eu aprendi a distinguir tendências de planos:

Sim, eu mesmo pensei por que criar algo, estou interessado na relação causa-efeito das duas variáveis que meu programa já é capaz de usar Apache Lucene, JSOUP, JSON, Apache POI e assim por diante tecnologias para reconhecer texto em qualquer lugar nas imagens para documentos e assim por diante (isto é acompanhado por matrizes de informação (armazenadas em uma base de dados distribuída) de acordo com a qual é indexada informação reconhecida em objetos gráficos) se algo não pode - procurando um site para converter dados em um formato aceitável para reconhecimento ou se ele mesmo pode.

A questão é que eu não quero reinventar a roda... Eu só preciso encontrar uma rede neural capaz de aprendizagem rápida com duas variáveis de entrada - dados de equidade, e o indicador de tendência.

(Tenho cerca de 5 anos de experiência em desenvolvimento de Java EE, muitos projetos já implementados).

Eu nem sequer estou a tentar anexar um neurónio ao mercado. É desnecessário e muito provavelmente impossível neste momento, já que não houve pelo menos uma implementação de uma rede neural estável de ganho.

O meu gráfico de Equidade não é aleatório e bastante informativo (preciso verificá-lo), aprendi a distinguir tendências de planos.

Aprendi a distinguir tendências de planos. A negociação está a decorrer, mas preciso de melhorar o desempenho.

Eu já estive envolvido no tópico de criação de neurofiltros para melhorar a eficiência dos EAs prontos com a aprendizagem de resultados de negociação no testador e há alguns desenvolvimentos, e no momento estou apenas interessado no campo de sua experiência, em termos de análise, reconhecimento, indexação para arquivos de diferentes tipos de documentos, álbuns, etc. Se este post não é trolling, podemos procurar cooperação mutuamente benéfica, escreva no pessoal.
 
Alexander_K:

Ehhhhh, malta...

Uma Kesha já se tornou a tua salvadora... Neto e fiel seguidor de SanSanych, que nem sequer conhecia física ou matemática...

Os retornados são básicos, pois o preço é parte integrante deles e nada mais.

Se você não sabe o que fazer com ele, você pode se surpreender com o fato de que o preço é parte integrante dele, então não se limite, pelo amor de Deus, algum tio "quantum da rua" diz no meio que retornos são suficientes e todos concordam com ele. Quants não usam stoploops e tecrofits, para eles é tudo matemática, é uma outra dimensão, uma abstração.


 
Kesha Rutov:

O retorno é momentum, e há também estocástico, makdak, ziguezague, etc. Não há necessidade de se limitar, por Deus, algum tio, como "quantum from volstreet" no meio, balbucia que retornos suficientes e todos concordam com ele, bem, quants e stoploops não usam e teyrofits, para todos eles uma matemática contínua, é uma outra dimensão, uma abstração.


O irmão Aleshenka levou-nos por um caminho errado, prevendo retornos com um erro negativo, e fugiu.

 

Foi levantada uma questão interessante sobre a métrica preditivahttps://stats.stackexchange.com/questions/126829/how-to-determine-forecastability-of-time-series

Não sei o quanto é importante para os nossos objectivos, e o quanto afecta, mas não me importei de escrever algumas linhas de código para verificar a dependência de "algum poder de previsão" do tamanho da janela de dados.

Então eu peguei 4 pedaços diferentes de preços (retornados) e verifiquei a dependência do "poder de predição" do tamanho da janela em cada pedaço

então x1 é o poder das previsões e x2 é o número de pontos de dados na caixa

Conclusões :

1) tomar uma janela fixa para as previsões está longe de ser o ideal

2) a janela ideal para a previsão é sempre "flutuante".


código:

х <- my_price
q <- 10:500
ma <- matrix(nrow = 0,ncol = 2)
for(i in q) {
  
  x1 <- ForeCA::Omega(  tail(diff(x),i) ,spectrum.control = list(method = "wosa"))[1] 
  x2 <- i
  d <- cbind(x2,x1)
  ma <- rbind(ma,d)
}
plot(ma,t="l",main = max(ma[,2]))


где х  - это цена
How to determine Forecastability of time series?
How to determine Forecastability of time series?
  • stats.stackexchange.com
One of the important issues being faced by forecasters is if the given series can be forecasted or not ? I stumbled on an article entitled "Entropy as an A Priori Indicator of Forecastability" by
 
mytarmailS:

questão interessante sobre as métricas preditivas levantada

Não sei quão importante é para os nossos propósitos, e quanta influência tem, mas tive a coragem de escrever algumas linhas de código para verificar a dependência de "algum poder preditivo" no tamanho da janela de dados.

Conclusão :

1) tomar uma janela fixa para as previsões está longe de ser o ideal

2) a janela de previsão ideal é sempre "flutuante".

Conclusões. A previsão de mais de 100 pontos é inútil.

 
Yuriy Asaulenko:

Conclusões. A previsão de mais de 100 pontos é inútil.

Não, a palavra correcta é inútil para tomar um período fixo.