Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 227
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Ну суть то можно сформулировать в наборе предложений. Это все что я прошу.
Сейчас задача не в изучении темы, а в предворительной оценки ее объема. Поэтому я говорю - сформулируйте (если понимаете).
Посмотрите хотя бы первую лекцию. В паре предложений нельзя, слишком обширная область.
Понимаете, я жду от вас формулировки сути, потому что хочу понять что именно вам нужно под понятием "машинное обучение".
То что расскажут на лекции это понимание других людей. Возможно, сообществу алготрейдеров нужно специфическое машинное обучение.
Я хочу понять, что конкретно нужно алготрейдерам в широкой сфере машинного обучения и тем самым сократить время на изучение неактуальных областей, ограничить код обойдя решение ненужных задач и в итоге достичь правильную реализацию поставленной цели.
Понимаете, я жду от вас формулировки сути, потому что хочу понять что именно вам нужно под понятием "машинное обучение".
То что расскажут на лекции это понимание других людей. Возможно, сообществу алготрейдеров нужно специфическое машинное обучение.
Я хочу понять, что конкретно нужно алготрейдерам в широкой сфере машинного обучения и тем самым сократить время на изучение неактуальных областей, ограничить код обойдя решение ненужных задач и в итоге достичь правильную реализацию поставленной цели.
тут две задачи если очень в общем
1) качественный отбор признаков
признаки это :
Вот например вам по душе тех анализ, поддержки, сопротивления , отбои, пробои итп...
те вы видите рынок через призму этих признаков, те мы не подает сами цены подаем только признаки те же поддержки, сопротивления , отбои, пробои итп... в алгоритм
и тут наступает пункт
2) генерация решений
алгоритм, "жонглируя" этими признаками начинает создавать некие оптимальные торговые привила - решения, и попутно отбирает те признаки которые чего то стоят и те которые не важны для принятия хорошего решения
=====================
те правильная обработка данных это 98% самой работы
обучение МО это 2%
тут две задачи если очень в общем
1) качественный отбор признаков
признаки это :
Вот например вам по душе тех анализ, поддержки, сопротивления , отбои, пробои итп...
те вы видите рынок через призму этих признаков, те мы не подает сами цены подаем только признаки те же поддержки, сопротивления , отбои, пробои итп... в алгоритм
и тут наступает пункт
2) генерация решений
алгоритм, "жонглируя" этими признаками начинает создавать некие оптимальные торговые привила - решения, и попутно отбирает те признаки которые чего то стоят и те которые не важны для принятия хорошего решения
Вот, спасибо. Уже начинает проступать картинка.
Своего рода сбор и анализ общих сигнатур изменения различных данных в текущем периоде, которые подаются в спец. алгоритм, анализируются там, собирается статистика сигнатур данных, исследуются закономерности и повторения сигнатур и осуществляется генерация решений о поведении системы.
Примерно так?
Понимаете, я жду от вас формулировки сути, потому что хочу понять что именно вам нужно под понятием "машинное обучение".
То что расскажут на лекции это понимание других людей. Возможно, сообществу алготрейдеров нужно специфическое машинное обучение.
Я хочу понять, что конкретно нужно алготрейдерам в широкой сфере машинного обучения и тем самым сократить время на изучение неактуальных областей, ограничить код обойдя решение ненужных задач и в итоге достичь правильную реализацию поставленной цели.
Суть МО это аппроксимация, по датасету получить квази модель его порождаюшую. В случае классификации это по облаку маркированных точек получить маски их разделяющих.
Суть МО это аппроксимация, по датасету получить квази модель его порождаюшую. В случае классификации это по облаку маркированных точек получить маски их разделяющих.
Аппроксимация - это обощение значений. То есть, заключение различных значений данных внутрь выбранного диапазона? Далее, можно создать цифровую модель обощающую изменение некоторого значения за период времени. Собирая эти модели можно создать статистику, на которую опираться в решениях и выборе действий.
Я в правильном направлении рассуждаю?
Короче, -
1. Создаем алгоритм собирающий потоки значений любых, нужных нам параметров (данных) и прогоняющий их через кольцевой буфер.
2. Пропускаем потоки значений запоминаемые в кольцевом буфере через специальный фильтр, который обобщает их приводя к диапазонам этих значений.
3. Создается обобщенная (с помощью диапазонов) цифровая модель характера изменения значения каждого параметра в кольцевом буфере, и записывается в соответствующим формате.
4. Данная модель посылается в статистический алгоритм, собирающий эти модели.
5. Делаем цикл по базе содержащей модели (сигнатуры) характера изменения значений наших параметров и находим ту модель, которая самым лучшим образом подходит под текущую ситуацию.
6. Принимается решение о поведении системы в ситуации запечатленной в данной сигнатуре (модели).
Позже сформулирую более точно.
то что показал toxic это как бы кластеризацыя но с учителем, точки в самом начале это как бы признаки вернее их числовые параметры, есть у вас целевая бай и сел, те предварительно перед обучением вы разметили где был рост (бай) и падение(сел), и алгоритм начинает тупо разделять параметры признаков по целевой, типа синяя область ето бай, красная это сел...
Но сейчас последний писк это что то типа этого
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
но я в этом полный нуб
А это вообще умора)))
https://www.youtube.com/watch?v=pgaEE27nsQw
то что показал toxic это как бы кластеризацыя но с учителем, точки в самом начале это как бы признаки вернее их числовые параметры, есть у вас целевая бай и сел, те предварительно перед обучением вы разметили где был рост (бай) и падение(сел), и алгоритм начинает тупо разделять параметры признаков по целевой, типа синяя область ето бай, красная это сел...
Но сейчас последний писк это что то типа этого
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
но я в этом полный нуб
Завтра я все это посмотрю.
Еще 2 года назад у меня родились идеи, как оказывается схожие в чем то с машинны обучением. Я называл это "сбор цифровых сигнатур изменения значений параметров". Я придумал основу этой технологии и записал ее. До реализации ни разу не дошло, так как все время отвлекался на другие темы.
Завтра я опишу всю концепцию этих "сигнатур", а Вы скажете, насколько это сродни машинному обучению.
Если это близкие вещи, то технология создания алгоритмов мне уже ясна.