Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 325
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
Sí. Eso es genial.
En general, no está mal.
Bueno, es una neurona simple, no es capaz de aprender tanta información, pero es interesante.
Bueno, es una simple neurona, simplemente no es capaz de dominar tanta información, pero por lo demás, sí, es interesante
¿Puedo ver un diagrama esquemático, en un trozo de papel? Qué hay en las entradas, qué hay en el medio y dónde está la salida. Porque ya he leído muchos libros (supresores de ruido, reconocimiento, etc.), pero no consigo llegar al mercado).
https://c.mql5.com/3/126/RNN_MT5.zip
Hay un asesor y una descripción
https://c.mql5.com/3/126/RNN_MT5.zip
Hay un Asesor Experto y una descripción
Gracias. Se hace de forma similar a un supresor de ruido en una neurona. Esto es exactamente lo que me temía.
Supongamos 10 muestras de una serie de precios + supongamos, 5 predictores - 10*5=50 + sus derivados - otros 50, 20 entradas más de información adicional. Un total de 120 entradas como mínimo. (Triste.)
Es muy difícil contar tales matrices para una red multicapa, o para 1m TF, o incluso dentro de una vela.(
¿Y qué significa que los resultados empiecen a entrar en turbulencia durante la optimización genética? :) el gráfico debería mejorar con el tiempo
No recomiendo optar por el equilibrio máximo. Los fallos de optimización indican problemas con parámetros "marginales". Intente comprender la diferencia entre los parámetros en la zona de fallo y las variantes que están ligeramente a la izquierda en la imagen.
La optimización es muy sencilla: ir aumentando el criterio de optimización y, al mismo tiempo, revisar de vez en cuando zonas no exploradas anteriormente "por si acaso" para no perder el camino hacia resultados aún mejores (si es que los hay).
Debería haber un desplazamiento gradual de la nube de variantes hacia arriba con algunas variantes raras en la parte inferior del gráfico.
Gracias. Se hace de forma similar al supresor de ruido neuronal. Esto es exactamente lo que me temía.
Supongamos 10 muestras de una serie de precios + supongamos, 5 predictores - 10*5=50 + sus derivados - otros 50, 20 entradas más de información adicional. Un total de 120 entradas como mínimo. (Triste.)
Calcular tales matrices para una red multicapa, o para 1m TF, o incluso dentro de una vela es demasiado pesado.
Sí, cuando se aumentan los parámetros de entrada el problema será :) por eso hay que buscar la mejora del núcleo lógico pero no del número de capas
No recomiendo optar por el equilibrio máximo. Los fallos de optimización indican problemas con los parámetros "marginales". Intente comprender la diferencia entre los parámetros en la zona de fallo y las variantes que están ligeramente a la izquierda en la imagen.
La optimización es muy sencilla: ir aumentando el criterio de optimización y, al mismo tiempo, revisar de vez en cuando zonas no exploradas anteriormente "por si acaso" para no perder el camino hacia resultados aún mejores (si es que los hay).
Debería haber un desplazamiento gradual de la nube de variantes hacia arriba con algunas variantes raras en la parte inferior del gráfico.
Sí, algo está mal con la optimización del trailing stop, voy a reescribir la lógica del bot y comprobarlo de nuevo
Aconsejo encarecidamente que no se opte por los equilibrios máximos. Los descensos en la optimización indican problemas en los parámetros "límite".
Estoy totalmente de acuerdo - la optimización es una cosa muy peligrosa: estoy orgulloso de estar en la cima como un millonario, mientras que mi depo está drenando - este es el resultado habitual de la optimización.
Los anteriores son los saldos normales, es decir, una línea. ¿Y por qué una sola línea con entrada aleatoria? Si la entrada es aleatoria, entonces la línea de equilibrio también debería ser aleatoria, ¡encerrada en intervalos de confianza!
Un sustituto de los intervalos de confianza podría ser un gráfico tridimensional (coloreado) en la optimización. Y si el balance va acompañado de este gráfico de la optimización y este gráfico tridimensional tiene más o menos el mismo color, el grial está cerca. De lo contrario, los gráficos no valen ni un céntimo.
Estoy completamente de acuerdo contigo: la optimización es algo muy peligroso: estoy orgulloso de estar en la cima como millonario, mientras mi depo está cayendo en picado.
Aquí están los saldos normales de arriba - es una línea. ¿Por qué una sola línea con entrada aleatoria? Si la entrada es aleatoria, entonces la línea de equilibrio también debería ser aleatoria, ¡encerrada en intervalos de confianza!
Un sustituto de los intervalos de confianza podría ser un gráfico tridimensional (coloreado) en la optimización. Y si el balance va acompañado de este gráfico de la optimización y este gráfico tridimensional tiene más o menos el mismo color, el grial está cerca. De lo contrario, los gráficos anteriores no valen ni un céntimo.
En nuestro caso estamos ajustando los pesos de las neuronas a través del optimizador, eso es todo... qué diferencia hay si se entrena en la lógica o a través del optimizador... Y en términos de velocidad, creo que el aprendizaje es mucho más rápido en la nube a través del optimizador.
¿1000% en 2 meses es tan malo? :) mejoró un poco mi lógica.
Aquí, es cierto, la mayor recompensa llegó en abril. Desde mediados de mayo, incluso ha habido una tendencia constante
Esta rama es enorme.
¿Puede alguien darme una pista...
Tengo gráficos de movimientos de varios pares de divisas. ¿Cómo puedo utilizar el aprendizaje automático para seleccionar los parámetros (lote, dirección) para abrir/cerrar órdenes de manera que el resultado esté en el plus lo más a menudo posible?
Es decir, ¿qué tengo que hacer, cómo entreno el programa?