Discusión sobre el artículo "Aproximación por fuerza bruta a la búsqueda de patrones (Parte II): Nuevos horizontes" - página 4
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
No hace falta que leas todo el hilo, todo el tema está en ese post. Fuerza bruta completamente aleatoria. 1 variante "optimizar" sid pgsch, otra variante cambiar de signo a través de N bares, N es seleccionado por optimizador. Ya que no has hecho esto voy a tratar de transferir a opencl, mt no permite probarlo normalmente.
cualquier bruteforce es aleatorio, por eso es bruteforce, porque se generan números aleatorios. Si algo es captado por un optimizador, no es bruteforce, sino una burla al hardware, porque en software de terceros sucede cientos y miles de veces más rápido. En principio, el optimizador no está diseñado para estos fines. Esa es la razón por la que todo el mundo intenta hacer software de terceros. Por que necesitas torturar tus graficos, todo cuenta normalmente en los procesadores. Escribe en un mensaje privado, sólo que normalmente sin abreviaturas hechas por ti mismo y en detalle lo que haces y por qué voy a pensar y decirte lo que pienso al respecto si realmente necesitas consejo.
Creo que he empezado a entender lo que tienes. Debería escribirse así: Hay un sistema de condiciones o fórmula en la que cae un array o matriz de números, en la que los módulos de números no cambian, pero los signos de estos números se invierten constantemente. En tu caso necesitas encontrar la mejor forma de generar signos, es decir, necesitas una función que genere un array o matriz con números "1", "-1". Las matrices o arrays (vectores) se multiplican elemento a elemento (no por la regla de multiplicación de matrices), por lo que se obtiene una nueva matriz con los signos de sus elementos cambiados. En este caso, la generación de números aleatorios será más eficaz, ya que la variabilidad de este método es máxima. Al vincular al número de barras que limitar su sistema (es decir, casi el 100 por ciento que algunas combinaciones útiles serán desechados). Y la frecuencia de búsqueda de estas combinaciones debe ser máxima, por lo que simplemente está contraindicado hacer esto en MQL.
Aproximadamente así. Hasta cierto punto, se trata de una descomposición en bases, donde las bases pueden ser cualquier cosa: sinusoides, números aleatorios, etc etc.
Es algo así. Hasta cierto punto, es una descomposición en bases, donde las bases pueden ser cualquier cosa: sinusoides, números aleatorios, etc., etc.
También es importante cómo se calcula. Yo sólo tengo una fórmula. Si da un más entonces compra, si da un menos entonces vende, pero también se tiene en cuenta el módulo del número. ¡Cada barra se calcula! Estoy buscando una fórmula en la que idealmente la amplificación del número de salida da la amplificación de la señal para comprar o vender. En versiones alternativas habrá un conjunto de funciones que eventualmente se convierten en una compleja expresión lógica compuesta, cuyo resultado será "verdadero" o "falso". No hay manera de ajustar la señal en sí ... Te diré algo más en confianza. En esencia, todas estas acciones son equivalentes a la compresión de datos como en un archivo. Cuantas menos condiciones y más simples sean y más órdenes den en el intervalo seleccionado y más su factor de beneficio y otros parámetros, más cerca estará nuestro algoritmo de la fórmula del mercado. Al mismo tiempo, es mejor no hacerlo en muestras pequeñas. Por eso siempre digo que hay que tomar una muestra de 10 años como mínimo, o mejor toda la historia de una vez, porque volvemos a entrenar sobre un tramo y luego resulta que acabamos de pillar un estrato en el que está subiendo una gran media onda en este tramo, y luego todo se da la vuelta con seguridad y baja tan bruscamente. Con árboles y redes arbitrarias de tamaño flotante puede haber un problema como el que he escrito más arriba. La cita puede ser simplemente transformado en otro tipo de datos, que es comprensible sólo a un árbol, o en un mapa de la red y algunas matrices y números adicionales. Vamos a la delantera y allí es salvaje....
También es importante cómo se calcula. Yo tengo una fórmula. Si da un más entonces comprar, si da un menos entonces vender, sólo el módulo del número también se tiene en cuenta. ¡Cada barra se calcula! Estoy buscando una fórmula en la que idealmente la amplificación del número de salida da la amplificación de la señal para comprar o vender. En versiones alternativas habrá un conjunto de funciones que eventualmente se convierten en una compleja expresión lógica compuesta, cuyo resultado será "verdadero" o "falso". No hay manera de ajustar la señal en sí ... Te diré algo más en confianza. En esencia, todas estas acciones son equivalentes a la compresión de datos como en un archivo. Cuantas menos condiciones y más simples sean y más órdenes den en el intervalo seleccionado y más su factor de beneficio y otros parámetros, más cerca estará nuestro algoritmo de la fórmula del mercado. Al mismo tiempo, es mejor no hacerlo en muestras pequeñas. Por eso siempre digo que hay que tomar una muestra de 10 años como mínimo, o mejor toda la historia de una vez, porque volvemos a entrenar sobre un tramo y luego resulta que acabamos de pillar un estrato en el que está subiendo una gran media onda en este tramo, y luego todo se da la vuelta con seguridad y baja tan bruscamente. Con árboles y redes arbitrarias de tamaño flotante puede haber un problema como el que he escrito más arriba. La cita puede ser simplemente transformado en otro tipo de datos, que es comprensible sólo a un árbol, o en un mapa de la red y algunas matrices y números adicionales. Vamos a la delantera y allí es salvaje....
Cuantos menos grados de libertad, menos probabilidad de sobreoptimización. Tenemos que comprobarlo como en las redes neuronales. Deberíamos tomar tres muestras, entrenar una de ellas, contar métricas en la segunda después de entrenar en la primera, y hacer conclusiones finales después de entrenar en la tercera.
Cuantos menos grados de libertad, menos probabilidad de sobreoptimización. Es necesario comprobar como en las redes neuronales. Toma tres muestras, entrena una, calcula las métricas de la segunda muestra después de entrenar la primera y saca conclusiones finales después de entrenar la tercera muestra.
Buena idea, pero resulta ser un autoengaño. tomamos el 50% de la muestra, digamos para fuerza bruta, luego el 25% comprobar métricas o lo que quieras comprobar ))) . En el tercer sitio de verificación final, pero es lo mismo que tomar todo el sitio de principio a fin. No exactamente, pero eso es esencialmente lo que hace. No hay mejor manera de obtener una muestra más grande. Y a nadie se le ocurrirá nunca una forma mejor.
Cuantos menos grados de libertad, menos probabilidad de sobreoptimización. Es necesario comprobar como en las redes neuronales. Toma tres muestras, entrena una, calcula las métricas de la segunda muestra tras entrenar la primera y saca conclusiones finales tras entrenar la tercera.
Cuantas más variables libres, mejor "clavar la historia" :-)
ver elefante https://ru.wikipedia.org/wiki/Слон_фон_Неймана
Cuantas más variables libres, mejor "clavar la historia" :-)
ver sobre el elefante https://ru.wikipedia.org/wiki/Слон_фон_Неймана
Por cierto eso es lo que iba a decir a grandes rasgos pero tu lo has hecho mejor )
Pero ¿dónde está el programa para la búsqueda de patrones que no encuentro?
El programa será, pero solo después del cuarto artículo, se está preparando el artículo. También lo hará el producto. Es en el producto donde el programa estará disponible como software adicional. La versión actual se desactualiza después de mucho más tiempo. En este momento, el programa ha mejorado mucho. cuanto voy a mostrar en el articulo