Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 545
![MQL5 - MetaTrader 5 müşteri terminalinde yerleşik ticaret stratejileri dili](https://c.mql5.com/i/registerlandings/logo-2.png)
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
özellikle çok boyutlu kümeleme kullanıyorsanız, özelliklere sahip vektörleri ve gecikmeli vektörleri, örneğin artışlarla .. gruplara bölmeyi deneyebilirsiniz - özelliklerin hangi özellikleri gelecekte hangi artışlara karşılık gelir
ve ardından NN'yi eğitmek için bu sete bakın, örneğin .. yani. veri madenciliği türü
evet, eğitimden hemen önce .. peki ya da araç için ayrı bir özellik olarak
Bu arada, birçok python paketinde (R'de de olmalılar) batch_size - time_steps gibi bir şeyin yanı sıra böyle bir şey var, bu sadece zaman serilerini analiz ederken kullanılır. Yani, model içindeki tensörler içinde dikkate alınan girdiye hemen bir uzunluk zaman_adımları matrisi beslenir.
Veri madenciliğine gelince, burada şu fikri dile getirmekte fayda var:
Piyasalar birbirine bağlıdır, dolayısıyla sermayenin hareketi bütün bir sistem içinde gerçekleşir. Dolayısıyla, iyi bir derin modeliniz varsa ve tabii ki bilgi işlem kaynaklarınız varsa, para arzının bu hareketleri yakalanabilir.
özellikle çok boyutlu kümeleme kullanıyorsanız, özelliklere sahip vektörleri ve gecikmeli vektörleri, örneğin artışlarla .. gruplara bölmeyi deneyebilirsiniz - özelliklerin hangi özellikleri gelecekte hangi artışlara karşılık gelir
ve ardından NN'yi eğitmek için bu sete bakın, örneğin .. yani. veri madenciliği türü
evet, eğitimden hemen önce .. peki ya da araç için ayrı bir özellik olarak
Ayrıca veri madenciliği ile ilgili olarak, @Mihail Marchukajtes'in seçenekler hakkındaki fikrini ve oynaklığın gülümsemesini beğendim. Sadece ayrıştırıcı ile aksama çıktı.
Hala otoregresif bir model optimize edilmiş + uyarlanabilir öğelerin bilinmeyen bir karışımına sahibim .. bilinmeyen çöp ama harika, orada yeni öğrendiğim her şeyi itiyorum :)
işe yarıyor gibi görünüyor ama her zaman değil
Fikirlerim bittiğinde, mb intermarket analizini evet veya seçenekler gibi harici bilgileri deneyeceğim. Intermarket'te, durağan olmayan süreçlerle ilgili aynı problemler var .. peki, biraz daha basit
Yayılmayı hesaba katmak için bir istek varsa bir sorun bulundu. Ve keskin bir şey yaparsanız, spread'e ihtiyacınız var.
Yani, eğitim sırasında, veriler CopySpread aracılığıyla geçmişten kaldırılır ve çubukta minimum yayılma vardır. Dan beri MO bir bar-bar analizi yapar, daha sonra yayılmanın doğru hesaplanması için, hesaplamaların yapıldığı anda gereklidir, yani. Aç, Kapat, Yüksek veya düşük fiyat (bu formayı neye eklemek istediğinize bağlı olarak). Örneğin, Açık fiyatlarla çalışıyorum. Ve elbette, bir çubuktaki minimum yayılma, çubuğun açıldığı andaki yayılmaya neredeyse hiçbir zaman eşit değildir. Sonuç olarak, TP veya SL, gerçekte ayarlanacak olandan 10-20 puan farklı olabilir. Onlar. sistemin karlılığı önerilen MO modelinden çok farklı olacaktır.
Sonuç olarak, barda minimum yayılma ile eğitim gerçekte yeniden üretilemez.
Onlar. 2 yerde sorunumuz var:
1 - üzerinde çalıştığımız tarihte (diğer spreadler)
2 - işlem sırasında (karar, barın açıldığı anda gerçekleşirse). Farklı spreadler farklı TP ve SL verecektir.Bu özelliği, eğitimli modelin açık fiyatlar ve gerçek keneler üzerindeki sonuçlarını karşılaştırarak fark ettim. Fark çok büyük. Onlar. ve gerçek ticarette fark büyük olacaktır.
Geriye ya spreadleri kullanmamak (böylece eğitilmekte olan sistemin yeteneklerinden pips atılır) ya da gerçek tikler üzerinde eğitim için matrisler toplamak ve ardından gerçek tikler üzerinde de test etmek kalır ve bu, açık fiyatlarda test etmekten çok daha uzundur. Alternatif olarak, hızlandırmak için önce gerçek kenelerden geçerek ve gerekli spreadleri toplayarak özel bir sembol oluşturabilirsiniz.
Şimdiye kadar MO modellerine şöyle bakıyorum: Model, girip girmeme kararını veriyor ve geri kalan her şey bir para yönetimi ve ticaret stratejisi meselesi.
Kısacası: giriş noktaları, kar oranları, pip sayımı - her şey basit bir model için değil.Dahası, sinir ağları mumların tarihinden iyi öğrenir.
Giriş/çıkış noktaları seçimini veya diğer bazı incelikleri MO'nun omuzlarına aktarırsanız, o zaman ikinci modelle yapardım. Veya modeli karmaşıklaştırın, bu durumda yalnızca paralel tensörlerle derin öğrenme etkili bir şekilde çalışacaktır.
Şimdiye kadar MO modellerine şöyle bakıyorum: Model, girip girmeme kararını veriyor ve geri kalan her şey bir para yönetimi ve ticaret stratejisi meselesi.
Kısacası: giriş noktaları, kar oranları, pip sayımı - her şey basit bir model için değil.Dahası, sinir ağları mumların tarihinden iyi öğrenir.
Giriş/çıkış noktaları seçimini veya diğer bazı incelikleri MO'nun omuzlarına aktarırsanız, o zaman ikinci modelle yapardım. Veya modeli karmaşıklaştırın, bu durumda yalnızca paralel tensörlerle derin öğrenme etkili bir şekilde çalışacaktır.
facebooktan peygamberi denediniz mi?
Nedense inatla ikisini de kurmayı reddediyorum, anaconda kurdum, python kurdum .. kurulum aşamasında takılıyor ve bu kadar.. bir arkadaşta işe yarıyor
peki, bir başka meraklı
http://pythondata.com/stock-market-forecasting-with-prophet/
facebooktan peygamberi denediniz mi?
Nedense inatla ikisini de kurmayı reddediyorum, anaconda kurdum, python kurdum .. kurulum aşamasında takılıyor ve o kadar .. bir arkadaş için çalışıyor
peki, bir başka meraklı
http://pythondata.com/stock-market-forecasting-with-prophet/
Bu makaleleri okudum ve açıkçası Dr. Brown'ın yaklaşımından etkilenmedim.
Ama kütüphane ilginç. Elbette onunla birlikte modaya uygun modeller bükülmek ilginç olacak.
Hala Keras'ta kalıyorum. Ayrıca, Keras-RL ile birlikte pekiştirmeli öğrenme burada kolayca uygulanır.
Kurulumla ilgili bir not, Anaconda kullanırken paketler "pip" yerine "conda" kullanılarak kurulmalıdır.
Nedense inatla yüklemeyi reddediyorum ...
https://cran.r-project.org/web/packages/PSF/vignettes/PSF_vignette.html
Kükremeyin))) BP için "gelişmiş" oyuncakta.
https://cran.r-project.org/web/packages/PSF/vignettes/PSF_vignette.html
ilginç bir şey .. python için bulamıyorum
bir sürü nishtyakov zaten birikmiş, yeni bir bot toplamanın zamanı geldi :)
Kurulum hakkında bir not, Anaconda kullanırken paketler "pip" yerine "conda" ile kurulmalıdır.
evet condu üzerinden yaptım ve çıplak bir python üzerinde pip üzerinden yaptım.. Sistemin kendisinde bir tür bug var, indirdiklerimi derleyip derleyemiyorum .. mb elle indirilmesi gerekecek
işte bu saçmalık