Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1492
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
Sim, então detecte-os no futuro e escolha um modelo que funcione bem neste cluster em particular.
https://radfiz.org.ua/files/temp/Lab1_16/alglib-3.4.0.csharp/csharp/manual.csharp.html#example_mcpd_simple1
encontrou exemplos aqui, procure por "markov".
artigo interessante sobre treinamento de NS em Habra ( apenas uma leitura )Restaurando Fotos com Redes Neurais
os mais valiosos, como sempre, são os comentários do usuário - ao longo do artigo o autor descreve um grande avanço em seu trabalho, como de costume com uma comparação de software de terceiros, mas os usuários imediatamente apontaram a falha - a predominância do verde
conclusão - a preparação dos dados de entrada é mais importante do que a própria tecnologia de treinamento NS
a conclusão é que a preparação dos dados de entrada é mais primária do que a própria tecnologia de treinamento NS
O feiticeiro disse isto há um bilião de páginas.
Cavalheiros, quando é que vão aprender a ouvir-se uns aos outros? O que é essa mesquinhez e estupidez? É realmente irritante e enfurecedor.
artigo interessante sobre treinamento de NS em Habra ( apenas uma leitura )Restaurando Fotos com Redes Neurais
os mais valiosos, como sempre, são os comentários do usuário - ao longo do artigo o autor descreve um grande avanço em seu trabalho, como de costume com uma comparação de software de terceiros, mas os usuários imediatamente apontaram a falha - a predominância do verde
a conclusão - a preparação dos dados de entrada é mais importante do que a tecnologia de treinamento NS
A questão é que a imagem não está em movimento e não muda, assim como as impressões digitais. E na máquina de reconhecimento de padrões a aprendizagem é indispensável.
Mas quando o MO é aplicado sobre dados históricos em forex, ele só dá a ilusão de que ele encontrou a melhor opção.
Quando na verdade simplesmente aprendeu a contornar todas as áreas perigosas da história, resultando em um grande gráfico de ganhos.
Mas o preço é um processo dinâmico que está sempre mudando e avançando, e ninguém pode adivinhar para onde o preço vai: Assim, um robô baseado na aprendizagem da máquina sempre cometerá um erro na negociação real em situações incomuns.
Mas quando o MO é aplicado em dados históricos em Forex, ele só cria a ilusão de que encontrou a melhor opção.
E na realidade, ele simplesmente aprendeu na história a contornar todas as áreas perigosas, resultando em um grande gráfico de ganhos.
leia tudo istohttps://habr.com/ru/post/443240/
Mas não é assim tão mau, vou tentar mostrar a minha opinião pela centésima vez: MO não é melhor nem pior do que o testador de estratégia GA,
mas continua a ser um tema muito interessante, é fascinante ))))
Aqui estão mais alguns exemplos https://csharp.hotexamples.com/examples/-/mcpd.mcpdreport/-/php-mcpd.mcpdreport-class-examples.html
Bem, afinal é bastante fácil de aplicar. Do exemplo 1.
Definimos o número de estados, e seqüências de transições (digamos, históricas). Isto é, as probabilidades de estar num determinado estado. E depois conta a probabilidade total para todos os estados.
Ou em MAshki para fazer um exemplo simples para o início, mas até agora ainda não sei como fazê-lo, talvez@mytarmailS explique.
Tal estratégia com os MAs (muito simples) é descrita aqui
https://www.quantstart.com/articles/market-regime-detection-using-hidden-markov-models-in-qstrader
Bem, afinal é bastante fácil de aplicar. Do exemplo 1.
Definimos o número de estados, e seqüências de transições (digamos, históricas). Isto é, as probabilidades de estar num determinado estado. E depois conta a probabilidade total para todos os estados.
Ou em MAshki para fazer um exemplo simples para o início, mas até agora ainda não sei como fazê-lo, talvez@mytarmailS explique.
Em algibe, como eu entendo (provavelmente errado), você mesmo tem que compilar as faixas pelo número necessário de clusters. Nesses exemplos em Python, você pede o número certo de clusters e ele irá redistribuir os dados em si.
Embora se a classificação, com 2 classes, provavelmente poderíamos encadear da seguinte forma: começando com 0 até se tornar 1; e começando com 1 até se tornar 0. Como não temos 0,95, 0,8, etc.
Em algibe, como eu entendo (provavelmente errado), você mesmo tem que compilar as faixas pelo número certo de clusters. E nesses exemplos de Python, você pede o número certo de clusters e ele redistribui os dados em si.
Embora se a classificação, com 2 classes, você provavelmente poderia encadear assim: começando com 0 até que se torne 1; e começando com 1 até que se torne 0. Como não temos 0,95, 0,8, etc.
Eu não entendo como funciona. Porque não usa a classificação via NS?
Eu não entendo como isso resulta em píton, incluindo novos dados. E em algibe como obter o estado previsto em novos dados, e para cada dimensão separadamente. Demasiados baldes de cada vez.
e parece haver algo de errado com a algibeira, um modelo diferente