Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2810

Yeni yorum
 
mytarmailS #:
.
Eğitilmiş bir ağ veya eğitilmiş herhangi bir AMO veya hatta Mashka, hafıza... Evet, bu analojiyi alabilirsin....

Ancak eğitilmiş bir nöronu "yeniden eğittiğinizde" ağırlıkları değiştirirsiniz, mevcut olanın lehine geçmişi unutursunuz....

Bu yeniden eğitim değil, her adımda yeniden eğitim; kayan penceredeki aynı Mashka.... orada olmasına rağmen kayan pencerenin dışında ne olduğunu hatırlamıyor.

bir sürü yaklaşım var, github'da uygulamaları bulabilirsiniz, python için bir tane gördüm.

 
Maxim Dmitrievsky #:

Bir sürü yaklaşım var, github'da uygulamaları bulabilirsiniz, python için bir tane gördüm

Birçok çözüm olabilir, ancak bu çözümlerin kalitesi nedir ve gerçek görevlerde ne kadar iyi çalışırlar?

 
mytarmailS #:
Alexei düşünmek ve dinlemek isteseydi.... benim yazımla iki dakika sürerdi.

İlginç bir değer yargısı. Size ne yazdığımı duymadınız. Bir örneğe mi ihtiyacınız var?

 
Aleksey Vyazmikin #:

İlginç bir değer yargısı. Sana ne yazdığımı duymadın. Örnek mi istiyorsun?

evet, okudum... uzun zamandır görmediğim kadar çok satırda düşünce hatası var.

Bana bir örnek verin.)

 
mytarmailS #:
Korelasyonun ne olduğunu biliyor musun? Öyle saçma sapan konuşuyorsun ki titremeye başladım.

İşte bahsettiğim şeyin bir örneği - sarı kesilmiş bir örnek ve tamamen yeşil bir örnek - bunu düşünün.


 
Aleksey Vyazmikin #:

İşte bahsettiğim şeyin bir örneği - sarı kesilmiş bir örnek ve tamamen yeşil bir örnek - düşünün.

İşaretlerinizin ne anlama geldiğini kimsenin anlamadığı hala aklınıza gelmedi mi, belki de karalamaların anlamını belirtmeniz gerekiyordur? ))
 
mytarmailS #:
İşaretlerinizin ne anlama geldiğini kimsenin anlamadığı hala aklınıza gelmedi mi, belki de karalamaların anlamını belirtmelisiniz? ))

Bence daha ölçülü olmalısın. Hayatın sıkıntılarını bir içki arkadaşına ya da bir rahibe bırak.

Açıkçası, Pn tahmin edicilerdir ve K korelasyon katsayısıdır. Örnek, verilerin diğer %50'sinin tutarlılığını değiştirmesi halinde katsayının nasıl değişebileceğini göstermektedir. Yaklaşımınız yalnızca değişmeyen korelasyona sahip durağan verilere uygulanabilir, ki bizim durumumuzda böyle bir şey söz konusu değildir. Bu yüzden, kıs kıs gülmeden önce düşünmenizi tavsiye ederim.

 
Aleksey Vyazmikin #:

Bu yüzden, küçümsemeden önce düşünmenizi tavsiye ederim.

Düşünme hakkında....

Soru şu ki, neden 0,1...0,2...0,7...0,8'den işaretlerin korelasyonunun tüm varyantlarını gözden geçirmek ve böylece algoritma için zaten büyük olan iş dizisini artırmak?

Oluşturulan rastgele gürültü bile tahmin ediciyle 0,6 ve 0,8, nadiren daha fazla korelasyon gösterebilir ...

Korelasyon eşiğini 0.8'den daha düşük almanın aptalca olduğu sonucuna varıyor, ancak tam bir aşırı örnekleme yapmaya karar verdiniz, bu da ne yaptığınızı düşünmediğinizi gösteriyor....

Bu yüzden kıkırdamaya hakkım var, sanırım...

Aleksey Vyazmikin #:

Açıkçası, Pn tahmin edicilerdir ve K korelasyon katsayısıdır.

Belli ki... ))))) bu bir kâtip.... Açık olan nedir, sormaya utanıyorum? Açık olması için hangi şifre çözme algoritmasını uygulamalıyım?

Söylediklerinizi hiç düşünüyor musunuz?

Aleksey Vyazmikin #:

Yaklaşımınız yalnızca değişmeyen bağımlılığa sahip durağan verilere uygulanabilir, ki burada durum böyle değildir.

Bu benim değil, sizin yaklaşımınız ve başlangıçta piç edildi ve üç kişi size bundan bahsetti.

 
mytarmailS #:

Thinking Hakkında....

Soru, neden 0,1...0,2...0,7...0,8 arasındaki işaretlerin korelasyonunun tüm varyantlarını aramak ve böylece algoritma için zaten çok büyük olan iş dizisini artırmak?

Oluşturulan rastgele gürültü bile tahmin ediciyle 0,6 ve 0,8 oranında, nadiren daha fazla korelasyon gösterebilir ...

Korelasyon eşiğini 0,8'den küçük almanın aptalca olduğu sonucuna varılır, ancak siz tam bir aşırı örnekleme yapmaya karar verdiniz, bu da ne yaptığınızı düşünmediğinizi gösteriyor....

Tek söylediğim, deneyler yaptığım ve sonuçlar çıkardığım.

mytarmailS #:

Açıkçası. )))))))) bu çok açık... Açıklık nedir, sormaya utanıyorum? Açık hale getirmek için hangi kod çözme algoritmasını uygulamalıyım?

Tartışmanın bağlamına bakıldığında bu açıkça görülmektedir.

mytarmailS #:

Bu benim yaklaşımım değil, sizin yaklaşımınız ve başlangıçta iğrençti ve bunu size üç kişi söyledi.

Sizin yaklaşımınız nedir? Benim yaklaşımım nedir? Neden bahsettiğinizi anlamıyorum.

Özellikle siz, bir modelin bir örnek üzerinde eğitilemeyeceğini iddia ettiniz - yanıldınız.

 
Maxim Dmitrievsky #:

hafıza, ağırlıkları eğitilmiş bir NS'dir, her adımda onu yeniden eğitirsiniz, ağırlıkları biraz hareket ettirirsiniz... çok değil, bu yüzden gecikme.

ve bunu terminale aktaramazsınız.

Denedim, çalışmıyor, hepsi yine işaretlerde.


İlgileniyorsanız, spread, ilkel lot ve kesirli lot ile açılış kapanış pozisyonlarının bir ipucu ile çok para birimli bir test cihazının tasarımını atıyorum.

Test cihazının çalışması için, ['open', 'spread] sütunlarına sahip bir veri çerçevesi hazırlamanız ve ayrıca her yeni çubuk için alım / satım olasılıklarının tahminlerini içeren x (n,2) biçiminde bir numpy dizisini sinyale atmanız gerekir. Test cihazı bir döngüden çalışır, aşağıda test cihazını kullanmanın bir başlatma örneği verilmiştir

symbols = ['EURUSD','GBPUSD']
points = [1 / mt5.symbol_info(s).point for s in symbols]

trade_agent = Agent()
for s, p in zip(symbols, points):
        trade_agent.create_symbol(s, p,max_positions=6)

for index, row in dataset.iterrows():
        sig = signal[index]
        prices = list(row.filter(like='open'))
        spreads = list(row.filter(like='spread'))

        if index != len(dataset) - 1:
            trade_agent.refresh(prices, [sig], spreads)
        else:
            trade_agent.stop = True

işlem mantığı ve lot, Symbol nesnesinin transcript_sig yönteminde ayarlanabilir.

    def transcript_sig(self,sig):
        act = 0
        lot = 1
        revers = 0
        if len(sig)==4:
            pass
        else:
            act = sig

        if revers<=0.5:
            if np.argmax(act) == 0:
                return 'buy',lot
            if np.argmax(act) == 1:
                return 'sell',lot
        else:
            if np.argmax(act) == 0:
                return 'sell',lot
            if np.argmax(act) == 1:
                return 'buy',lot


        return self.last_action,lot


Testin sonuçları, genel test ve her sembolün trade_symbol_data 'sı için trade_history_data sözlüğündedir.

        self.trade_history_data = {'step': [],
                                   'acc_profit': [],
                                   'acc_balance': [],
                                   'acc_equity': [],
                                   'lots_open': [],
                                   'R2_balance': [0,0,0,0]}

Listeler var, eğer biri bir şeyi optimize etmek veya değiştirmek isterse - hoş geldiniz)

Dosyalar:
Tester.py  12 kb
1...280328042805280628072808280928102811281228132814281528162817...3399
Yeni yorum