Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2711

Новый комментарий
 
Aleksey Vyazmikin #:

В идеальную систему можно закладывать всё, а вот сколько мы сможем получить и правильно обработать информацию - вопрос реализации и способностей.

это сродни идеи свалить всё в один котелок и потом вытащить оттуда кусок золота. Главное нужное число раз перемешать половником правильной конфигурации :-) 

 
Maxim Kuznetsov #:

это сродни идеи свалить всё в один котелок и потом вытащить оттуда кусок золота. Главное нужное число раз перемешать половником правильной конфигурации :-) 

Всё так, поэтому я и решил группировать данные, делая промежуточные предикторы по Событиям, а потом уже на них обучаться.

 
В рунете это лучший и единственный форум по теме  "Машинное обучение в трейдинге" или есть другие?
 
Evgeny Dyuka #:
В рунете это лучший и единственный форум по теме  "Машинное обучение в трейдинге" или есть другие?
Этот далеко не лучшый,  единственный
 
Aleksey Vyazmikin #:

Алексей правильно мыслит, про события и правильную последовательность событий, но без теории по алгоритмам я думаю это все останеться на уровне разговоров

=============

Вот пример закономерности 

1) левый край графика до красной вертикальной линии это паттерн с уровнем

2) первая синяя стрелка это правильная реакция на паттерн

3) опять  правильная реакция на паттерн  она же точка входа

Как видно паттерн один и тот же, отрабатывает "мое почтение", можно ли его найти глядя на рынок как на временной ряд ??? вопрос реторический..

Я хочу посмотреть на того кто сможет найти такие закономерности нейронкой или катбустом шастая скользящим онкном и видя последние n свечей

 

Называя примеры для обучения событиями, чел подменяет понятия, как будто это что-то реально произошедшее. Но это его выдуманные примеры, которые нельзя называть событиями.

Потом чел начинает верить что это события, а не обучающие примеры взятые с потолка, подменяя реальность на фейки своими определениями

Потом он начинает жить в этой фейковой реальности, приводить какие-то дурацкие диаграммы в оправдание, ничего общего не имеющие

Потом у него все оказываются дураками, призывает идти расширять сознание и тд и тп

А потом и вовсе финансовый временной ряд превращается в нечто сакрально-событийное

 
Самолёт взлетел и приземлился, зафиксировали событие. Вошли в изменённое сознание, увидели что самолёт пересёк RSI, посчитанный по траектории его движения. Для нас это тоже событие. Теперь нужно посчитать разницу между адекватным человеком и богомолом.
 
Представим, что вы богомол и не умеете отличать одно свое вымышленное событие от другого. Для вас причина и следствие это одно событие и, стало быть, происходят одновременно безо всяких временных и информационных связей между ними, поскольку временного ряда не существует, а сами события вымышленные. Вы коллекционируете такие вымышленные события, заворачиваете их в листья, любуетесь проделанной работой, рассказываете о них друзьям. Ваши события происходят вне времени и пространства в вашей голове. И вроде бы неплохо себя чувствуете, но все это мало похоже на машинное обучение.
 
У вас есть на гит хабе, проект, хоть посмотреть о чем идут жаркие споры здесь?
 

А что это все значит? что зря учу tensorflow?


  1. MQL5: Добавлены методы матриц и векторов Activation (активационная функция) и Derivative (производная активационной функции) с параметрами:
    AF_ELU               Exponential Linear Unit
    AF_EXP               Exponential
    AF_GELU              Gaussian Error Linear Unit
    AF_HARD_SIGMOID      Hard Sigmoid
    AF_LINEAR            Linear
    AF_LRELU             Leaky REctified Linear Unit
    AF_RELU              REctified Linear Unit
    AF_SELU              Scaled Exponential Linear Unit
    AF_SIGMOID           Sigmoid
    AF_SOFTMAX           Softmax
    AF_SOFTPLUS          Softplus
    AF_SOFTSIGN          Softsign
    AF_SWISH             Swish
    AF_TANH              Hyperbolic Tangent
    AF_TRELU             Thresholded REctified Linear Unit
    Функция активации в нейронной сети определяет, как взвешенная сумма входного сигнала преобразуется в выходной сигнал узла или узлов на уровне сети. Выбор функции активации имеет большое влияние на возможности и производительность нейронной сети. В разных частях модели могут использоваться разные функции активации. В MQL5 реализованы не только все известные функции активации, но и производные активационной функции. Производные функции нужны для быстрого вычисления поправки на основании полученной ошибки во время обучения нейронной сети.
  2. MQL5: Добавлен метод матриц и векторов Loss (функция потерь) со следующими параметрами:

    LOSS_MSE            Mean Squared Error
    LOSS_MAE            Mean Absolute Error
    LOSS_CCE            Categorical Crossentropy
    LOSS_BCE            Binary Crossentropy
    LOSS_MAPE           Mean Absolute Percentage Error
    LOSS_MSLE           Mean Squared Logarithmic Error
    LOSS_KLD            Kullback-Leibler Divergence
    LOSS_COSINE         Cosine similarity/proximity
    LOSS_POISSON        Poisson
    LOSS_HINGE          Hinge
    LOSS_SQ_HINGE       Squared Hinge
    LOSS_CAT_HINGE      Categorical Hinge
    LOSS_LOG_COSH       Logarithm of the Hyperbolic Cosine
    LOSS_HUBER          Huber
1...270427052706270727082709271027112712271327142715271627172718...3510
Новый комментарий
Причина обращения: