Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 17
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Meine Erfahrung mit Aktienspekulationen begann mit den Schecks von Borovoy. Davor habe ich weitere 20 Jahre lang in den Immobiliensektor investiert.
Und Sie, als die Schecks geboren wurden?
So kann jede Oma auf dem Markt als Praktikerin bezeichnet werden. Haben Sie eine profitable TS-Praxis? Stat. signifikant profitable TS - Tausende von sich nicht überschneidenden Geschäften?
George Soros, nennen Sie ihn einen Praktiker der algorithmischen profitablen TS! Er ist auf diesem Gebiet eine absolute Null. Sie sind viel kompetenter als er, und das ohne Sarkasmus. Aber das heißt nicht, dass Sie kein Theoretiker sind.
Anton Zverev
Lassen Sie uns diese Art von Gespräch nicht führen. Menschen, die hier lernen und ihre Erfahrungen austauschen, sind bereit, sich gegenseitig zu helfen, während Sie die Position einnehmen, dass Sie dumm sind und ich alles weiß.) Helfen Sie mir lieber zu verstehen, was Sie denken und was Sie für richtig halten.
Sie haben einen unangemessenen Ton zwischen den Zeilen, nicht im Text (lesen Sie ihn). Mit Entwicklern und Moderatoren sein kann, eine Menge härter Gespräche, immer für einen Tag / Woche für die Beleidigung der Selbstachtung verboten)) Kurz gesagt, machen Sie sich keine Sorgen. Mir geht es gut!
Dr. Trader wusste es sofort. Er sagt es, wie es ist. Also, Respekt und Bewunderung für ihn.
Dann erstellte ich einen Indikator, ich nahm die kumulative Summe aller Kaufpreise und auch die Summe für den Gewinn, baute ihre Differenz und bekam einige Index, wenn ich es mit dem Preis verglichen schien es fast umgekehrt zu bewegen, um den Preis, die Korrelation war -0,7 bis -0,9, einfach gesprochen der Markt geht gegen seine eigenen Statistiken, das ist etwas zu denken und zu überdenken
Da gibt es nichts Interessantes, es sind die Schlussfolgerungen selbst, die interessant sind...
sieht bestenfalls aus wie http://prntscr.com/aqg96r...
Und um es zu reproduzieren, muss man einen Code schreiben, der nach Mustern sucht, und ihn dann einige Tage lang laufen lassen, um mehrere Jahre der Geschichte zu verarbeiten
Hallo!
Hat jemand mit depmixS4 gearbeitet? oder allgemein mit versteckten Markov-Modellen in R, ich habe eine interessante Idee und habe einige Fragen
Hallo!
Hat jemand mit dem depmixS4-Paket gearbeitet? oder allgemein mit versteckten Markov-Modellen in R, ich habe eine interessante Idee und habe einige Fragen
Da gibt es nichts Interessantes, es sind die Schlussfolgerungen selbst, die interessant sind...
sieht bestenfalls aus wie http://prntscr.com/aqg96r...
Um dies zu reproduzieren, müssen Sie einen Code für die Mustersuche schreiben und ihn dann einige Tage lang laufen lassen, um mehrere Jahre der Geschichte zu verarbeiten
Der Sinn eines jeden Algorithmus für maschinelles Lernen ist es, nach Mustern zu suchen. Ich habe oben ein Beispiel für Bäume genannt. Sie können sie ausdrucken und sehen, welche Muster gefunden wurden. Für 100 Prädiktoren mit 18000 Balken dauert es einige Minuten.
Das werde ich nicht (aber ich werde Ihre Ideen mit Interesse lesen.
Gestern wurde ich von diesem Artikel oder Blog inspiriert https://forum.mql4.com/ru/26460 egal, die Idee ist, den Graphen in Frequenzen zu unterteilen, ihnen ein Handelssystem aufzuerlegen und nur die Frequenzen (Teile des Graphen) zu identifizieren, in denen das System Geld verdient, und dieses System zu verwenden, um nur diese Frequenzen zu handeln
Ich habe immer wieder darüber nachgedacht, wie man es einfacher und schneller machen könnte (der Autor brauchte 16 Stunden, um eine Frequenz zu berechnen, und er hatte 500 Frequenzen)
Ich erinnerte mich daran, dass ich mich, wenn auch nur sehr oberflächlich, mit SMM (Hidden Markov Models) beschäftigt hatte. SMM wird für probabilistische Vorhersagen von nicht-stationären Prozessen, Spracherkennung und sogar für die Vorhersage von Sonnenflecken verwendet...
Ich habe versucht, sie in ihrer reinen Form auf den Markt zu bringen, wie ein Netzwerk oder RF, wie ein Ziel und dann weiter... Ich habe keine guten Ergebnisse erzielt, obwohl es Leute gibt, die etwas davon haben (zum Beispiel http://www.quantalgos.ru/?p=1759).
Die Idee des SMM besteht darin, ein Objekt in n Zustände zu unterteilen und die Wahrscheinlichkeit des Übergangs von einem Zustand zum anderen zu schätzen. Ich schlage vor, den Markt in eine Reihe von Zuständen zu unterteilen, nehmen wir 10 an, aus dem Graphen alle Abschnitte herauszuschneiden, die, sagen wir, dem Zustand №5 entsprechen, und sie zusammenzukleben. Als Ergebnis erhalten wir (theoretisch) eine stationäre Reihe, die (theoretisch) stabil sein wirdseine Attribute, bewertet es sogar visuell ist es möglich, ein Handelssystem auf sie zu machen, es zu optimieren und wenn die gleiche Marktbedingung wieder auftreten wird, kann es gehandelt werden und es sollte Geld verdienen (in der Theorie), weil die neue Serie die gleichen Attribute wie die vorherige haben wird
Für den Anfang genügt es, Teile eines Zustands auszuschneiden und zusammenzukleben, und nur visuell zu betrachten und zu beurteilen, ob es stationär ist, dann, wenn alles "gleichmäßig" ist), dann muss man die Qualität der Erkennung neuer Zustände betrachten, d.h. ob der vorhergesagte Zustand Nummer 5 dem gefundenen alten Zustand Nummer 5 entspricht, wenn beide Tests "ja" sagen, dann ist es sinnvoll, die Idee zu entwickeln.
Ich bin sicher, dass ich etwas nicht gesagt habe und etwas nicht klar ist, fragen Sie, ich werde antworten, wenn ich die Antwort weiß).
Gestern wurde ich von diesem Artikel oder Blog https://forum.mql4.com/ru/26460 inspiriert, egal, die Idee ist, den Graphen in Frequenzen zu unterteilen, ein Handelssystem auf sie anzuwenden und nur die Frequenzen (Teile des Graphen) zu identifizieren, in denen das System Geld verdient, und dieses System zu verwenden, um nur diese Frequenzen zu handeln
Ich habe immer wieder darüber nachgedacht, wie man es einfacher und schneller machen könnte (der Autor brauchte 16 Stunden, um eine Frequenz zu berechnen, und er hatte 500 Frequenzen)
Ich erinnerte mich daran, dass ich mich früher, wenn auch nur sehr oberflächlich, mit SMM (Hidden Markov Models) beschäftigt hatte. SMM wird für probabilistische Vorhersagen von nicht-stationären Prozessen, Spracherkennung und sogar für die Vorhersage von Sonnenflecken verwendet...
Ich habe versucht, sie in ihrer reinen Form auf den Markt zu bringen, wie ein Netzwerk oder RF, wie ein Ziel und dann weiter... Ich habe keine guten Ergebnisse erzielt, obwohl es Leute gibt, die etwas davon haben (zum Beispiel http://www.quantalgos.ru/?p=1759).
Die Idee des SMM besteht darin, ein Objekt in n Zustände zu unterteilen und die Wahrscheinlichkeit des Übergangs von einem Zustand zum anderen zu schätzen. Ich schlage vor, den Markt in eine Reihe von Zuständen zu unterteilen, nehmen wir 10 an, aus dem Graphen alle Abschnitte herauszuschneiden, die, sagen wir, dem Zustand №5 entsprechen, und sie zusammenzukleben. Als Ergebnis erhalten wir (theoretisch) eine stationäre Reihe, die (theoretisch) stabil sein wirdseine Attribute, bewertet es sogar visuell ist es möglich, ein Handelssystem auf sie zu machen, es zu optimieren und wenn die gleiche Marktbedingung wieder auftreten wird, kann es gehandelt werden und es sollte Geld verdienen (in der Theorie), weil die neue Serie die gleichen Attribute wie die vorherige haben wird
Für den Anfang reicht es aus, Teile eines Zustands auszuschneiden und zusammenzukleben, und nur visuell zu betrachten und zu beurteilen, ob er stationär ist, wenn dann alles "gleichmäßig" ist), dann muss man die Qualität der Erkennung neuer Zustände betrachten, d. h. ob der vorhergesagte Zustand Nummer 5 dem gefundenen alten Zustand Nummer 5 entspricht, wenn beide Tests "ja" sagen, dann ist es sinnvoll, die Idee zu entwickeln.
Ich bin sicher, ich habe etwas nicht gesagt und etwas ist nicht klar, fragen Sie, ich werde antworten, wenn ich die Antwort weiß)
Sie können die Reihe in Teile unterteilen (quantisieren), entweder durch Clustering oder z. B. durch Faltung mit SKH (Kohonen). Und dann ist es ein reines Experiment.
Nun, sagen wir, der Markt entspricht dem Cluster № 5, die nächste Kerze wird der Cluster № 18 sein und sie wird uns nichts bringen, weil wir keine Zeit haben werden, den Cluster № 5 zu handeln, und im SMM gibt es ein Konzept des Zustands, der Zustand kann eine bestimmte Zeit dauern
Oder vielleicht verstehe ich Ihren Gedanken nicht?