Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1106
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
Küçük olanlara düz, büyük trend diyoruz..
Ama burada yine soru şudur: Küçük ve büyük hareketlerin ne olduğuna göre küçük hareketler ve büyük hareketler nelerdir?
Aslında bunlar parametrik sistemlerin ve "mo" dahil olmak üzere neden işlenmemiş piyasa verileri üzerinde asla çalışmayacağının cevabını veren ciddi sorulardır.
Eh, net tanımlar yok - düz nerede, trend nerede, küçük veya büyük. Bazı uygulamalar için küçük, diğerleri için büyük.
Sizin (sisteminiz) için tam olarak neyin küçük olduğuna ve herhangi bir belirli ölçüm biriminde neyin büyük olduğuna karar verin ve her şey hemen yerine oturacaktır.
Genel olarak, olan şey. Boost'u kullanmaya başladım, çünkü bu algoritmada doğruluk ve yüksek genelleme yeteneğinin yanı sıra model daha açık bir şekilde inşa ediliyor. Yöntem ayrıca, az sayıda belirli harici parametre nedeniyle özelleştirme açısından daha basittir. Tek olumsuz, hesaplama sırasında RAM'in yüklenmesi ve buna bağlı olarak, artırma yinelemelerinin sayısına bağlı olarak modelin boyutunda onlarca ve yüzlerce megabayt artış. Rastgele orman ve sığ sinir ağları yöntemleriyle karşılaştırma sonucunda, sınıflandırma görevlerinde boost'un daha çok tercih edildiği sonucuna vardım.
Pek çok tahminciyi kontrol ettim. Temel olarak bunlar, çok çeşitli göstergelerden ve bunların kombinasyonlarından oluşturulan sıralı zaman serileridir. Test, gerçek spread (2 puan) dikkate alınarak yazılım yöntemi kullanılarak çoklu para birimi modunda (27 para birimi) gerçekleştirilmiştir. Zaman dilimi - saat. Çıktı, adım derinliği 100 nokta olan bir zikzak sinyalinden hesaplanan bir ikili sınıftır. Sonuçların neredeyse tamamı olumsuz. Yayılmayı hariç tutarsak, artı önemli olabilir. Alternatif olarak, daha yüksek bir zaman dilimi almayı deneyebilirsiniz.
Çalışmayı nasıl daha fazla geliştireceğimi düşündüm:
1. Çıkışta farklı türde veya farklı parametrelerle bir zikzak deneyin.
2. Çıkışta Fourier yöntemi veya dalgacık filtreleri ile seçilen çevrimsel bileşenlerin sinyallerini kullanır.
3. Çıkış göstergelerinin gerçek değerlerini kullanın (gerileme). Örneğin, mumların kapanış ve açılış fiyatları arasındaki fark, ilerideki birkaç bar için fiyat değişiklikleri.
4. Anahtar noktalar veya seviyeler gibi tutarsız verileri tahmin edici olarak kullanın
5. İlk numuneyi çeşitli göstergelerle (Hacim veya ATR göstergeleri) filtreleyin, yani pazarın yalnızca belirli alanlarında çalışacak şekilde eğitin.
Görüşlerinizi ve tavsiyelerinizi duymaktan memnuniyet duyarım.
Birinin bu konuda ifade edilen birçok akıllı kelimeden bir sonuç elde edebileceğini umuyorum, kişisel olarak kaynak kodlarına veya algoritmalara ihtiyacım yok, ancak MO'nun sonucu bir çiftte izlenen bir sinyal veya ekran görüntüleri şeklinde gün sayısı. Bu arada, sadece konuşan bir dükkan ve iş değil.
Düz ve MO pahasına, aslında, öğrenme sürecinde, AI'nın kendisi şu anda istenen olasılıksal davranışı bulacaktır, düz veya dürtüsel olacaktır. Bu yüzden, işe yaramaz bir alıştırma olan MO çerçevesinde daire belirlemek için ayrı algoritmalar yazmanın bir anlamı görmüyorum.
Aklı başında olan hiçbir gerçek çalışan tüccar size herhangi bir sinyal veya finansal rapor göstermeyecektir. Umut bile etme. Sadece konuşan bir dükkan var ve olacak.
MO'ya gelince, bu yöntemlerin AI ile hiçbir ilgisi yok. Ve göstermezseniz ve onlara neyi ve nerede arayacaklarını söylemezseniz, MO yöntemlerinin kendisi hiçbir şey bulamaz. Aksi takdirde, zaten hacklenmiş ifadedeki gibi olacaktır: girişte çöp - çıkışta çöp ve başka bir şey değil. Yerli gurular ne derse desin, ML ile ilgili temel sorunlardan biri temsili veriler hazırlamaktır. Ve bu tür verileri hazırlamak ve her şeyi ayrım gözetmeksizin MO'nun girdisine beslemek için her türlü trend-düz bölmelere ihtiyaç duyulabilir ve ihtiyaç duyulacaktır.
Bir çok akıllıdan yapabilecek birini bekliyorum
bekliyorum, bekliyorum....
şimdiden aç gözlerini
İşte seviyelerde bir sinir ağı örneği.
Kırmızı aşırı satıldı, yeşil aşırı alındı...
Önce Bak. resim, euro aşırı alım fiyatındaydı ve işte tepki
canlı tahmin)
bekliyorum, bekliyorum....
şimdiden aç gözlerini
İşte seviyelerde bir sinir ağı örneği.
Kırmızı aşırı satıldı, yeşil aşırı alındı...
Önce Bak. resim, euro aşırı alım fiyatındaydı ve işte tepki
canlı tahmin)
Şimdi tüm bunların üzerinden bir regresyon çizgisi çizelim ve bir kanal oluşturalım ve tüm bu seviyeler kanalın sınırları ile çakışacaktır. Ve aşırı alım-aşırı satım artık gerekli olmayacak.
Aklı başında olan hiçbir gerçek çalışan tüccar size herhangi bir sinyal veya finansal rapor göstermeyecektir. Umut bile etme. Sadece konuşan bir dükkan var ve olacak.
MO'ya gelince, bu yöntemlerin AI ile hiçbir ilgisi yok. Ve göstermezseniz ve onlara neyi ve nerede arayacaklarını söylemezseniz, MO yöntemlerinin kendisi hiçbir şey bulamaz. Aksi takdirde, zaten hacklenmiş ifadedeki gibi olacaktır: girişte çöp - çıkışta çöp ve başka bir şey değil. Yerli gurular ne derse desin, ML ile ilgili temel sorunlardan biri temsili veriler hazırlamaktır. Ve bu tür verileri hazırlamak ve her şeyi ayrım gözetmeksizin MO'nun girdisine beslemek için her türlü trend-düz bölmelere ihtiyaç duyulabilir ve ihtiyaç duyulacaktır.
ve orada
Şimdi tüm bunların üzerinden bir regresyon çizgisi çizelim ve bir kanal oluşturalım ve tüm bu seviyeler kanalın sınırları ile çakışacaktır. Ve aşırı alım-aşırı satım artık gerekli olmayacak.
açıklamak
açıklamak
Senin resminle deneyeceğim.
Senin resminle deneyeceğim.
lütfen, bu en iyi yol
lütfen, bu en iyi yol
Bu şekilde görünecek. Regresyon çizgisi uzun bir EMA ile değiştirilebilir
.