Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2465

 
2gis ve Yandex'i karşılaştırmak yeterlidir, birbirleriyle çelişirler.
 
elibrarius # :

Nasıl hatırlamaz? Aynen öyle.
"Sinir ağlarına dayalı veritabanları" ifadesiyle hiç karşılaştınız mı? Bir keresinde bununla karşılaştım ve NA/ağaçların ne olduğunun en iyi tanımının bu olduğunu düşünüyorum.

Bir ağaç son bölünmeye kadar eğitilebilir ve ardından tüm geçmişi mutlak bir doğrulukla kesinlikle hatırlayacaktır (fazla eğitilmiş bir model elde edeceğiz).
Son bölmeden önce değil, biraz daha önce, bölmeyi durdurun (örneğin, yaprak başına 10 örnek), o zaman bu en benzer 10 örneğin sonuçlarının ortalamasını ve genellemeyi içeren bir ezber alırsınız. Yeniden eğitim daha az olacaktır. Onlar. Yetersiz eğitim aşırıya kaçmaya başladığında bölünmeyi durdurmak gerekir. Bu ana ve en zor görevdir.

Bana öyle geliyor ki, ticarette sinir ağlarını ve makine öğrenimini karıştırmamalısınız - buradaki resimleri beğendim - hala sinir ağlarını gördüğüme dayanarak - Teknik Analiz için fırsatlar olarak (zaten olduğu gibi gözlerin, kulakların vb. yukarıda belirtilen) veya tekrarlayan seçenekleri için,

Elinizde çok fazla veri olduğunda, formülünüz olmadığında, veri kümenizdeki girdiler ve çıktılar arasında bir ilişki bulmanıza yardımcı olmak için ihtiyacınız olduğunda veya açıklamalar yapmak yerine tahminler yapmanız gerektiğinde olduğu gibi.

veya ağırlıklarla - (ancak bunları mantıksal olarak nasıl belirleyebilirim, bunu mümkün görmüyorum (0'dan 1'e kadar aptal olan hariç) veya eğitimliyse (0 veya 1), o zaman gitmemeleri için yoldan çıkmak)

Nöronlar, sinyalin sırayla geçtiği katmanlar oluşturur. Bütün bunlar sinirsel bağlantılarla - verilerin iletildiği kanallarla birbirine bağlanır. Her kanalın kendi "ağırlığı" vardır - ilettiği verileri etkileyen bir parametre

ve daha genel bir biçimde makine öğrenimi, hem bir karar ağacı hem de bir karar ormanıdır, burada sizinle aynı fikirdeyim, asıl mesele zamanında durmak ve sadece genetik algoritmalar (aynı Excel'de) ve istatistiklerle daha fazla öğrenme için hatalar ve hataların geri yayılımı ... ve muhtemelen, bir portföyün riskini ve çeşitlendirme ve riskten korunma yollarını değerlendirmek için aynı Monte-Carlo ve Sharpe oranı, vb. analiz için çok fazla veri)

ps

peki ve fiyat hareketlerini tahmin etmek için bir tür genel bakış NN

Tek bir doğru ağ organizasyonu yoktur. Her ağ mimarisinin kendi avantajları ve dezavantajları vardır. Geri yayılım ağları, iyi performans sundukları için yaygındır, ancak genellikle eğitilmesi ve yapılandırılması zordur. Tekrarlayan ağlar, geri yayılım ağlarına göre bazı avantajlar sunar, çünkü "bellek özellikleri" verilerdeki zaman bağımlılıklarını çıkarmak ve böylece tahmini geliştirmek için kullanılabilir. Daha karmaşık modeller, hatayı veya ağ yapılandırma sorunlarını azaltmak için yararlı olabilir, ancak genellikle eğitilmesi ve analiz edilmesi daha karmaşıktır.

- yani bellek ancak ağ mimarisine yerleştirilirse olacaktır ... ve belleği geçici bir değişkenin (bir fiyat gibi) bir modeline yerleştirmek bana çok saf ve pervasız görünüyor ... bellek demografik analize dahil edilebilir veriler, mevsimsel dalgalanmalar ve daha sistematik olarak başka bir şey Gerçekten tekrarlayan ve sabit... ANCAK bir günlük tüccar için fiyat hareketi DEĞİL... aşırı durumlarda, geyik analizinde... IMHO... son K'lar yalnızca bakarsanız (ve ardından Flat / Trend'i ayırt etmek için - yalnızca olasılık 0,5 )

(Belirtilen nedenlerden dolayı, muhtemelen, gerçekten de, bu anlaşmazlık anlamsızdır - belirli bir ağın belirli mimarisinden veya diğer makine öğrenimi seçeneğinden bağımsız olarak konuşmak ) ... ancak uyarı için - teşekkürler

Машинное обучение в трейдинге: теория, практика, торговля и не только
Машинное обучение в трейдинге: теория, практика, торговля и не только
  • 2021.10.18
  • www.mql5.com
Добрый день всем, Знаю, что есть на форуме энтузиасты machine learning и статистики...
 

burada hafıza ile - uzağa gitmenize gerek yok (daha doğrusu hafıza olmadan - onu götürdüler ve unuttular, çıktı'e'de ara hafıza verileri artık önemli değil):

Monte Carlo, her kararın genel risk üzerinde bir miktar etkisi olacağını varsayan bir karar verme aracıdır.

Portföy optimizasyonu için Monte Carla yöntemi nasıl kullanılır -
İlk olarak hisse senetlerine rastgele ağırlıklar verilmiş, ardından getiri ve standart sapma hesaplanmıştır. Alınan değerler kaydedilir. Bir sonraki adım, ağırlıkları rastgele değiştirmek (ana şey, toplamlarının bir olması gerektiğini unutmamaktır) ve her şey tekrar eder - sonuçtaki değeri hesaplamak ve kaydetmek. Yineleme sayısı zamana, hesaplama için bilgisayar gücüne ve yatırımcının kabul etmeye istekli olduğu risklere bağlıdır.

(Analiz ve Çözüm Paketi ile Excel'de - muhtemelen, uygulama daha da basittir - soru yine modelde kalır ve Genetik ve diğer algoritmalar Çözüm Arama'da seçilecek şekilde ayarlanmıştır - ve işte burada " künt numaralandırma yöntemi " hazır) .. risk yönetimi için doğru ve henüz bir fiyat hareketi tahmini değil

Использование метода Монте-Карло для создания портфеля
Использование метода Монте-Карло для создания портфеля
  • 2020.05.03
  • habr.com
Начинающие (да и не только) инвесторы часто задаются вопросом о том, как отобрать для себя идеальное соотношение активов входящих в портфель. Часто (или не очень, но знаю про двух точно) у некоторых брокеров эту функцию выполняет торговый робот. Но заложенные в них алгоритмы не раскрываются. В этом посте будет рассмотрено то, как оптимизировать...
 

tüm cevaplardan sonra, bir sonuç bölümü yapmalısın, çünkü şimdiye kadar herkes kendi hakkında konuşuyor ... (konu şu - tek bir sonuç olmayacak - birçok yöntem var - ortak bir payda yok)

elibrarius'un hatırladığı bir ağaçta olduğu gibi

Onlar. Yetersiz eğitim aşırıya kaçmaya başladığında bölünmeyi durdurmak gerekir. Bu ana ve en zor görevdir.

 
JeeyCi # :

tüm cevaplardan sonra, bir sonuç bölümü yapmalısın, çünkü şimdiye kadar herkes kendi hakkında konuşuyor ... (konu şu - tek bir sonuç olmayacak - birçok yöntem var - ortak bir payda yok)

elibrarius'un hatırladığı bir ağaçta olduğu gibi

Bunların hepsi kumarhane için, Forex'te her şey farklı. Bir robota ne anlatabilirsin? Mavi olan kırmızı olandan daha yüksek olduğunda, satın alın. Bu kadar;)
 
Vladimir Baskakov
Bunların hepsi kumarhane için, Forex'te her şey farklı. Bir robota ne anlatabilirsin? Mavi olan kırmızı olandan daha yüksek olduğunda, satın alın. Bu kadar;)

Vladimir, yaklaşık bir düzine benzersiz konumum/durumum var

 

stackoverflow üzerinden bakarsanız çok basit bir mantık ortaya çıkıyor (Excel Çözüm Arama eklentisinde olduğu gibi):

0/ dürüst olun ve eğitim setinden elde edilen ortalamayı ve ölçeği kullanın -

1/ Sinir ağı, öğrendiklerini ağırlıkları ve yanlılıkları aracılığıyla hatırlar .

2/ Ağırlıkları rastgele başlat - bu zaten sorumluluğu makineye kaydırıyor - geliştiriciye değil NE LÜTFEN

3/ onu bazı kalıplarla - büyük verilerle (ve bu arada bilgisayarın büyük gücüyle) - veya bir gerileme veya lojistik modelle veya başkalarıyla (düşünmeye ve seçmeye değer - çok fazla seçmek zorunda değilsiniz , çünkü seçerek) doğrusal regresyon, optimize edicinin çalışma fırsatını ortadan kaldıracağız, bu yüzden sanırım)

4/ ... girdiyi girin ve eğitimli makineden ve HER ŞEYDEN sonucu alın

ps Sürekli ve Ayrık yapay sinir ağlarını hatırlayın - 1., muhtemelen bir integral fonksiyon, 2. - düz/eğilimi belirlemek için, örneğin ...

ve moda hakkında bazı tavsiyeler

Tekrarlayan sinir ağları çeşitli finansal tahmin uygulamaları için çeşitli zamanlarda moda bir yöntem olmuştur, örneğin

pps biraz teori

Bayes ağlarında köşelerin ve kenarların anlamı vardır - Ağ yapısının kendisi size değişkenler arasındaki koşullu bağımlılık hakkında değerli bilgiler verir. Sinir Ağları ile ağ yapısı size hiçbir şey söylemez.

ve python kitaplıkları (ayrıca R yapabilirsiniz), eğer excel yeterli değilse

(Şimdiye kadar okuyamayan ve anlamayanlar, kumarhanede yeterince oynamadıkları için robotlarına bir şeyler açıklamanın hayalini kuruyorlar)

How does a Neural Network "remember" what its learned?
How does a Neural Network "remember" what its learned?
  • 2018.12.16
  • Carrot2472car Carrot2472car 65 6 6 bronze badges
  • stackoverflow.com
Im trying to wrap my head around understanding neural networks and from everything I've seen, I understand that they are made up of layers created by nodes. These nodes are attached to each other with "weighted" connections, and by passing values through the input layer, the values travel through the nodes...
 
JeeyCi # :
... ancak lineer regresyon kafa karıştırıcı çünkü hatırladığım kadarıyla fiyatlar lineer değil ve getiri lineer (tersi değilse?)

tersi değil, çünkü

Fiyatlar normal dağılımlı olmasa da, çoğu durumda fiyat getirisi normal dağılıma sahiptir.

mantık tersine dönse de uzak hafıza ile birlikte doğrulanır...
IVolatility.com - Services & Tools -> Knowledge Base -> Education -> Understanding IVolatility.com data
  • www.ivolatility.com
Stock options analytical tools for investors as well as access to a daily updated historical database on more than 10000 stocks and 300000 options
 
JeeyCi # :

tersi değil, çünkü

mantık tersine dönse de uzak hafıza ile birlikte doğrulanır...
Burada böyle bir şema elde ediyoruz, daha doğrusu iki tane olabilir.

1. İlk olarak, arama alanı belirlenir: ampirik olarak veya varsayımlara dayalı olarak istatistikler yapılır. testler. Daha sonra daha uygun olan MO algoritması seçilir. O zaman model anlamlı hale gelir.

2. Herhangi bir sınıflandırıcı aracılığıyla bir strateji arayın, iç yapısının analizi (özellik önemi, şekil değerleri ve çeşitli metrikler). Yapay zekanın bazı benzerlerine yaklaşarak otomatikleştirebilirsiniz. Çıktı bir kara kutudur, ancak seçim kriterlerinin işe yaraması umuduyla.

Tekrarlayan ağlar ve Bayes yöntemlerinin kendi başlarına finansal zaman serilerinden "bellek" çıkarabildiği veya yeni verilerden en kararlı modeli çıkarabildiği gösterilmemiştir.

 

MT5 için çalışan bir uygulama yaptım, zaten son kullanıcıya direkt, iki tıkla kuruluyor.
Sinir ağı, kullanıcının bilgisayarında bir exe dosyasında başlatılır (exe ve ardından bir Python betiği olmadan da mümkündür).
Harici istekler, API'ler, dll'ler vb.
Standart bir gösterge şeklinde tahminler.

Daha fazlasını buradan okuyun.

Интеграция прогнозов нейросети в MetaTrader 5
Интеграция прогнозов нейросети в MetaTrader 5
  • www.mql5.com
Предлагаю готовое решение по интеграции прогнозов нейросети и Metatrader 5. Преимущества этого решения: Это реально работающее приложение для трейдеров. Устанавливается "в два клика". Нейросеть