Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2014

 
elibrarius:

Esta é uma pergunta para todos:
Eu também recebo pacotes de sinais unidirecionais da rede. É mais ou menos o mesmo que aqui.

Às vezes recebo 100 ou até 200 perdas seguidas. Só há uma saída - negociar com lotes microscópicos, como 0,5% do depósito.
Quem tem ideias para não trocar centenas de sinais consecutivos?
Trocar o primeiro e depois não trocar até que o aberto feche? Parece-me que não é a melhor solução.

Quais são as suas opções?

Você está treinando em dados muito ruidosos (sinais\ alvo), por exemplo em incrementos, é por isso que o sinal é muito ruidoso. Você poderia tentar suavizar os sinais e o alvo, ou o próprio sinal final, para reduzir o ruído no sinal, mas isso não vai ajudar muito ou tirar nenhum lucro.

 
elibrarius:

Esta é uma pergunta para todos:
Eu também recebo pacotes de sinais unidirecionais da rede. É mais ou menos o mesmo que aqui.

Às vezes recebo 100 ou até 200 perdas seguidas. Só há uma saída - negociar com lotes microscópicos, como 0,5% do depósito.
Quem tem ideias para não trocar centenas de sinais consecutivos?
Trocar o primeiro e depois não trocar até que o aberto feche? Parece-me que não é a melhor solução.

Quais são as opções?

A abertura é uma lógica, a escolta e o fecho é outra. Eu prefiro assim. As paragens são seguros. Caso contrário, sim, apenas abrir com paragens é melhor para limitar o número de encomendas em aberto.

 
elibrarius:

Esta é uma pergunta para todos:
Eu também recebo pacotes de sinais unidirecionais da rede. É mais ou menos o mesmo que aqui.

Às vezes recebo 100 ou até 200 perdas seguidas. Só há uma saída - negociar com lotes microscópicos, como 0,5% do depósito.
Quem tem ideias para não trocar centenas de sinais consecutivos?
Trocar o primeiro e depois não trocar até que o aberto feche? Parece-me que não é a melhor solução.

Quais são as opções?

Porquê trocá-las, é como uma roleta russa com uma arma de calibre pequeno :)

 
Olhe para o indicador) só funciona em 2020.
 
Maxim Dmitrievsky:

Alguma sorte com o teste?

 
mytarmailS:

O que se passa, alguma sorte com o teste?

Ainda o mesmo... no início da semana funciona bem, depois do "pré-treinamento". Depois começa a chover a cântaros. Voltou a trabalhá-la, vai pô-la à prova amanhã :D

Alguns robôs de negociação podem ser calculados incorretamente no trader... Após uma série de atualizações ele começa a negociar da forma errada

Também estou a trabalhar nas redes de recorrência em tocha.

amarelo - início das semanas, primeiros 1-3 dias


 

Alguém tentou usar redes repetitivas (recorrentes?) para reduzir a dimensionalidade?

Artigo.

Vídeo.


Лекция 6 | Нейросетевые технологии
Лекция 6 | Нейросетевые технологии
  • 2018.10.14
  • www.youtube.com
Дата: 08.10.2018 Лектор: Дорофеев Евгений Александрович Лекции в формате PDF - https://goo.gl/Xwzg4a
 
Aleksey Vyazmikin:

Alguém tentou usar redes repetitivas (recorrentes?) para reduzir a dimensionalidade?

Artigo.

Vídeo.


autoencoders recursivos são usados. Ainda não tentei

 
Maxim Dmitrievsky:

autoencoders recursivos são usados. Ainda não tentei

Não consigo entender como todos os neurónios de saída, cujo número é igual ao número de neurónios de entrada, são avaliados de uma só vez...

Se vir algo semelhante, adequado para uso, por favor, avise-me.

Tenho o tamanho da amostra aproximando-se dos 3000 preditores e há a preocupação de que eles possam ser altamente comprimidos, uma vez que descrevem domínios semelhantes.

 
Aleksey Vyazmikin:

Não consigo entender como é que a estimativa da qualidade do modelo vai de uma só vez para todos os neurónios de saída, cujo número é igual ao dos neurónios de entrada...

Se vir algo semelhante, adequado para aplicação, por favor, avise-me.

Tenho uma amostra aproximada de 3000 preditores, e havia a preocupação de que eles pudessem ser altamente comprimidos, pois descrevem um domínio semelhante.

As entradas e saídas são todas fictícias, há menos neurónios na camada oculta. Ele simplesmente comprime a informação através da minimização do erro na saída. A entrada deve ser igual à saída (idealmente). Então a segunda parte do NS é descartada após o treinamento e você obtém características comprimidas na saída igual ao número de neurônios na camada oculta

você pode adicionar camadas recorrentes, etc.

o autocodificador google e suas variantes.