Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1607
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
Max! Você já tentou usar regras associativas para encontrar padrões como o algoritmo de arriori ou similares?
Bem, as redes Bayesianas... demoram muito tempo a aprender. Se não sabes o que ensinar, estás-te nas tintas.
imho, você tem que usar clustering (HMM, misturas Gaussianas), dividir o mercado em vários clusters e treinar para cada um. Então funciona. Ainda não há tempo.
há libras especiais separadas para gerar características fictícias, e então você pode colocá-las em um buster, e será a mesma coisa
o próprio algoritmo mgua é fraco na medida em que usa regressão normal, por isso cria características fora da caixa
e como se chama este processo em inglês?
qual é o nome deste processo de provisionamento de recursos em inglês?
algures na secção de pré-processamento, por exemplo para python
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html
ou métodos de núcleo
https://github.com/gmum/pykernels
Então eu não vejo nada de novo ou original nesta metodologia.
Bem, as redes Bayesianas... demoram muito tempo a aprender. Se não sabes o que ensinar, não queres saber.
imho, você deve usar clustering (HMM, misturas gaussianas), dividir o mercado em vários clusters, treinar para cada um. Então funciona. Ainda não tenho tempo para isso.
Aqui você está absolutamente certo Maximka, não no sentido de métodos específicos, mas no sentido da separação em princípio ao se aproximar do mercado. Mas você precisa de uma equipe para isso, e quando você tem uma grande equipe, você pode fazer muito trabalho e pesquisa e encontrar métodos e abordagens que serão únicos. Você tem que ser diferente no mercado.... Único. Não achas? :-)
Em um bom ponto, quando a qualidade de um sistema é a sua capacidade de se manter na tendência.....
Aqui você está absolutamente certo, Maximka, não no sentido de métodos específicos, mas no sentido de compartilhar em princípio quando se aproxima do mercado. Mas isso requer uma equipe, e quando você tem uma grande equipe, você pode fazer muito trabalho e pesquisa e encontrar métodos e abordagens que são únicos. Você tem que ser diferente no mercado.... Único. Não achas? :-)
quando a equipe é grande, você se cansa de fazer tudo por todos
Quando a equipe é grande, você fica exausto fazendo tudo para todos.
Para quem segue o tema. Continuando a olhar teimosamente para baixo....
É difícil perguntar qualquer coisa aqui, tudo começa com o pré-processamento dos dados, e é sobre isso que não queres falar... (
OK... Estou a pensar...
1. o algoritmo funciona em moedas
2. ele constrói a previsão para um comprimento fixo de n velas ou a rede decidirá por si só quanto tempo vai durar
3. porque demora tanto tempo a processar o sinal 12-13 seg. por vela
4. Por que você quer fazer acordos de transmissão pública?
5. para previsões, use dados na forma de uma função (preço, indicador) ou algo mais complicado.
a melhor visualização é o negócio
OK, aqui vai...
Primeiro o quadro geral:
- começa fácil, nós coletamos dados com um bot no testador, fazemos um csv, cada linha um vetor;
- Rede Keras via Tensoflow, super conhecimento não é necessário, um livro sobre redes neurais + um par de manuais;
- Você pode usar o Google Colab, não há problema em começar, mas ele tem suas próprias nuances;
- Em seguida, você começa o AD, se você tem uma idéia única incrível sobre quais dados alimentar a rede, você tem que apresentar mais 99 idéias igualmente únicas, porque a 101ª vai funcionar, e mesmo isso não é certo;
- resultado padrão: a rede não aprende.
Alguns conselhos (lavado com sangue):
- não procure por soluções sofisticadas, é fácil:
-- ...obtive o primeiro resultado num sequencial de uma única camada,
-- não tente prever o preço -- é utopia, você tem que colocar uma simples pergunta para cima ou para baixo, então, se você conseguir, procure mais.
-- fichas em vetor de 100-200, não mais, menos não vai funcionar,
-- Tente ir a noite toda por 1000 épocas, você verá se funciona depois de 100,
-- ... vão para os primeiros sinais de treinabilidade e vão para ela.
-- Não ajude a rede neural com algumas muletas como desviadores, ela deve aprender sozinha,
-- Aumentar o número de dados de entrada não vai ajudar, é suficiente 50-60 mil para 100 funcionalidades.
Agora as respostas para as perguntas:
1. o algoritmo funciona em moedas
Tenho os primeiros resultados para o EURUSD, mas mais tarde acontece que os negócios curtos são um pouco mais bem treinados para previsões curtas, não sei porquê.
2. as previsões são feitas para um comprimento fixo de n velas ou a própria rede diz quanto tempo
Sim, deve ser uma resposta fixa porque nós damos uma resposta fixa durante o treinamento.
3. porque o sinal leva tanto tempo a ser processado 12-13 seg. por vela
porque agora o meu prognóstico é composto por uma opinião agregada de 20 modelos, obter uma resposta de um leva 0,5 segundos, você pode resolver este problema de forma assíncrona, mas eu não sei como
4. por que você está visando a radiodifusão pública de ofícios?
Gastei muitos recursos, preciso de ganhar de volta.
5. os dados para a previsão devem ser usados na forma de uma função (preço, indicador) ou algo mais complicado.
Os dados são usados como uma função (preço, indicador) ou mais complicada.