Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 293
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 estamos construyendo un colisionador de hadrones, no hace falta ser un científico matemático para operar.
Mira, ¿qué haces aquí entonces?
Ve a una rama donde se estudie mash-ups o estocástica, allí todo es sencillo y claro... No eres el primero ni el segundo que viene a este hilo, tienes cero conocimientos, no tienes nada que decir, así que me limitaré a hacer propaganda de que las redes neuronales son malas y demás... No he visto a nadie hacer propaganda de las redes a los que estudian mashki... ¿Por qué os molestáis aquí? Nadie os ha invitado y nadie os molesta tampoco.
¡Buenas tardes! ¿Puede decirme, para una red LSTM, de qué forma se suministran los parámetros de entrada? Según tengo entendido, existe un sistema de "puertas" de conmutación.
Por lo que sé, introduces un vector (matriz) de números en la entrada, cuentas el resultado, luego introduces la segunda matriz de números, cuentas el resultado, etc.
Resulta que al calcular el resultado, la incrota pasa por todas las neuronas, y éstas quedan en algún estado alterado, como si recordaran la incrota anterior.
No sé nada de redes neuronales, veo que aquí hay gente que experimenta con ellas, pero estoy seguro de que ya han trabajado con sistemas basados en indicadores y otros visualizadores de patrones.
La pregunta es: ¿alguien ha intentado utilizar una red neuronal para probar la eficacia de una TS con muchas variables en los resultados de la TS, es decir, los resultados del informe para identificar las variables más significativas y la eficacia de su impacto en la TS?
Escucha, ¿qué estás haciendo aquí entonces? Predicador...
Ve a una sucursal donde se estudie mash-ups o estocástica, allí todo es sencillo y claro... No eres el primero ni el segundo que viene a este hilo, tienes cero conocimientos, no tienes nada que decir, así que me limitaré a hacer propaganda de que las redes neuronales son malas y demás... No he visto a nadie hacer propaganda de las redes a los que estudian mashka... ¿Por qué os molestáis aquí? Nadie os ha invitado y nadie os molesta tampoco.
Sólo me disgusta que los "científicos" de aquí confundan a la gente, la desmotiven con sus títulos y el número de educaciones, tentando a los participantes a gastar mucho tiempo en sistemas de trading 100% poco prometedores. El mercado no necesita las redes neuronales, existen desde los años 80 y desde entonces son aplicadas en los mercados por matemáticos del más alto nivel, nadie destacó especialmente en su uso en el mercado, todo el mundo está de acuerdo en que los sistemas simples basados en indicadores son mucho más efectivos, desde luego no en los limpiaparabrisas y estocásticos habituales, pero sí por ejemplo enJMA con una buena gestión del dinero.
Las redes neuronales y los modelos complejos se alimentan de las marionetas "de carne" para distraerlas del comercio durante muchos años y frustrar sus capacidades intelectuales. De hecho, los fondos de cobertura geniales utilizan JMA y creo que margindale también lo hace, por eso tienen unas curvas de rendimiento tan bonitas. Lo importante es encontrar un sistema de trading que se ajuste a tus necesidades y seguir estrictamente las reglas de tu TS, el resto es malo.
1) tal idea no se ha probado, hay que decidir qué enviar a la red y cuál es el resultado (objetivo), se puede banalizar por la equidad, si está creciendo, entonces bien, si cae, entonces mal, pero hay matices
2) Muchos parámetros es malo.
Me parece que debería haber dos capas (se llama así) - la primera es la búsqueda de la correlación de los indicadores - la correlación más alta, y descartamos las correlaciones duplicadas; la segunda capa tiene en cuenta los indicadores restantes y envía en variables de EA - y miramos su influencia en los indicadores seleccionados. Nos esforzamos por obtener más beneficios, menos pérdidas, menos drawdown y más beneficios por operación, para lo cual damos prioridad al mayor número de operaciones.
Para el segundo día me siento y hago tal cosa a mano, hay 3 variables en TS - y así todo no es inequívoco :)
Por cierto, puede que alguien lo sepa, tengo series independientes de números (indicadores del resultado de la optimización), que se pueden dividir en subgrupos, así que hago la normalización de los indicadores en cada subgrupo - el tamaño de los subgrupos es el mismo, pero si hago la correlación antes y después de la normalización, entonces a veces no hay correlación donde estaba antes. Compruebo la correlación en la serie de números enteros. ¿Qué significa este efecto? Se supone que la correlación era falsa y la normalización lo demostró. Sí, hago la normalización en porcentaje del índice máximo del grupo - el propósito es comparar series numéricas entre sí.
Sólo me disgusta que los "científicos" confundan a la gente aquí, desmotivándola con sus títulos y número de estudios, tentando a los participantes a gastar mucho tiempo en sistemas de trading 100% poco prometedores. El mercado no necesita las redes neuronales, existen desde los años 80 y desde entonces son aplicadas en los mercados por matemáticos del más alto nivel, nadie destacó especialmente en su uso en el mercado, todo el mundo está de acuerdo en que los sistemas simples basados en indicadores son mucho más efectivos, desde luego no en los limpiaparabrisas y estocásticos habituales, pero sí por ejemplo enJMA con una buena gestión del dinero.
Las redes neuronales y los modelos complejos se alimentan de las marionetas "de carne" para distraerlas del comercio durante muchos años y frustrar sus capacidades intelectuales. De hecho, los fondos de cobertura geniales utilizan JMA y creo que margindale también lo hace, por eso tienen unas curvas de rendimiento tan bonitas. Lo importante es encontrar un sistema de trading que se ajuste a tus necesidades y seguir estrictamente las reglas de tu TS, todo lo demás es malo.
Entiendo el análisis Procluster, delta y todo lo que realmente mueve el mercado, pero hay que usar JMA, que fue desarrollado en aprox. 2006 y ha sido adoptado por la gente y decidido por ellos en pips y darse cuenta de que JMA es un poco mejor que BOM, sólo un poco, pero con MM de riesgo y puede llevar al beneficio unos 10 años más tarde. No creo que los fondos de cobertura geniales usen JMA, sino informes SOT, análisis de volumen, niveles de opciones, no su JMA, y si te basas en indicadores, entonces no tengo nada que hablar contigo porque realmente no entiendes qué es el mercado y quiénes son sus participantes.......
¡Hola amigos! ¿Puedes decirme la forma correcta de hacer esto en Python?
Для примера построим график продаж видео игр в различных странах в зависимости от года.
Для начала отфильтруем только нужные нам столбцы, затем посчитаем суммарные продажи по годам и у получившегося dataframe вызовем функцию plot без параметров.
sales_df = df[[x for x in df.columns if 'Sales' in x] + ['Year_of_Release']]
sales_df.groupby('Year_of_Release').sum().plot()
La cuestión es que los nombres de las columnas están formados por números, ¿cómo puedo especificar correctamente los números - sintaxis?
sales_df.groupby(2).sum().plot()
Da un error y
TypeError Traceback (most recent call last)
<ipython-input-75-494 b1527114a> in <module>()
----> 1 sales_df = df[[x for x in df.columns if 1 in x] + [2]]
TypeError: argument of type 'numpy.int64' is not iterable
¿Y las comillas? Python está a un nivel de hello world, pero podría funcionar.
sales_df.groupby('2').sum().plot()
¿Y las comillas? Conozco Python a nivel de hello world, pero quizás funcione.
sales_df.groupby('2').sum().plot()
Ya lo he intentado todo.