Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 479
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
Bueno, entonces no puedo ayudar: hay que reproducir el problema antes de solucionarlo.
Puede intentar usarEventSetTimer para el retraso- leer el indicador un par de segundos después de que aparezca la barra.
Gracias por la recomendación.
¿Puedo usarlo no en un par de segundos sino en unos 30 segundos? ¿Cómo hacerlo?
¿Puede hacerlo en 30 segundos en lugar de unos pocos segundos? ¿Y cómo se hace eso?
Sí, puedes hacerlo. Busque los indicadores en la base de código en su ejemplo.
En cuanto a mi pregunta, entiendo que no hay especialistas????
¿Alguien utiliza APi de Nvidea. El otro día miré por ahí en cuanto a tarjetas, y veo que la empresa hace tarjetas para la minería, sin conectores de vídeo.
¿Alguien utiliza APi de Nvidea. Acabo de revisar el plan de tarjetas el otro día, veo que la firma hace tarjetas para minería, sin conectores de video.
Se me olvidaba, y alguna API fue liberada, es decir, CUDA
Hay un montón de api's de nvidia por ahí -
OpenCL es un estándar popular, es necesario escribir código C personalizado. Es compatible tanto con Nvidia como con AMD, incluso puedes instalar la librería para procesadores cpu en lugar de la tarjeta de vídeo. Lo utilizo en R a través de la bibliotecahttps://cran.r-project.org/web/packages/OpenCL/index.html.
MT5 puede hacer esta api también.
CUDA es un tipo de librería estrictamente de nvidia, y por ejemplo los vises de AMD no lo soportan. Se trata de tomar un código C++ normal y compilarlo para que se ejecute en la tarjeta gráfica. Quizás haya restricciones en las funciones permitidas, no he entrado en detalles.
CUDNN es una api y bibliotec del motor neuronal basado en CUDA
Existe la neurona MXNET, que soporta todas estas tecnologías, puedes usarla para probar el videohttps://mxnet.incubator.apache.org/get_started/install.html
Ayúdame a entender el proceso :)
Utilizando un clasificador lineal como ejemplo. Supongamos que enseñamos algo al clasificador, alimentamos incrementos de precio de 0 a 1 a 2 salidas, donde 0,5 es ninguna señal (la suma de las salidas es siempre igual a uno)
Si simplemente dibujamos una línea de regresión, por ejemplo, en función de los precios, los incrementos de precio más grandes se situarán más lejos de la línea, los más pequeños más cerca, es decir, si los resultados del clasificador son 0,9; 0,1, el incremento positivo se sitúa lejos de la línea, es decir, la señal 0,9 será más fuerte que la señal 0,6 para comprar
Y si tomamos una red neuronal con clasificación no lineal, ¿las salidas mostrarán la fuerza de la señal o sólo mostrarán el grado de pertenencia a 1 de 2 clases y nada más
Es decir, si se cumplirá esta condición:
Me parece que en esta situación ya la mitad de los principiantes, al tener un mal conocimiento de la matriz, fracasarán... Porque el grado de pertenencia a tal o cual clase, intuitivamente, hablará de mayor/menor intensidad de señal. Pero es realmente así y no es mejor crear más clases para distribuir los valores de incremento en, digamos, %, entonces conseguir un valor en una u otra clase (una de 10, digamos) ya dirá exactamente el valor de incremento.Ayúdame a entender el proceso :)
Utilizando un clasificador lineal como ejemplo. Supongamos que enseñamos algo al clasificador y suministramos incrementos de precio de 0 a 1 a las salidas, donde 0,5 no es una señal
Si simplemente dibujamos una línea de regresión, por ejemplo, en función de los precios, los incrementos de precio más grandes se situarán más lejos de la línea y los más pequeños más cerca de ella. Esto significa que si los resultados del clasificador muestran 0,9; 0,1, el incremento positivo se encuentra lejos de la línea, es decir, la señal de 0,9 será más fuerte que la señal de 0,6 para comprar
Y si tomamos una red neuronal con clasificación no lineal, ¿las salidas mostrarán la intensidad de la señal o sólo mostrarán el grado de pertenencia a 1 de 2 clases y nada más
Es decir, si se cumplirá esta condición:
Entiéndase: la línea es el límite (en el caso más sencillo el valor medio). Cuanto más cerca estén los precios incrementales del límite, menos se diferencian de la media, aunque en valor absoluto pueden no ser pequeños. (para esta formulación del problema)
Entiéndase: la línea es un límite (en el caso más sencillo, el valor medio). Cuanto más cerca estén los precios incrementales del límite, menos se diferencian de la media, aunque en términos absolutos pueden no ser pequeños. (para esta formulación del problema)
Es decir, por el grado de pertenencia del objetivo a la clase no se puede concluir sobre el cambio absoluto, 0,9 no significará que el incremento del precio será mayor que en el caso de 0,6
Es decir, el grado de pertenencia del objetivo a una clase no puede utilizarse para inferir un cambio absoluto, 0,9 no significará que el incremento del precio será mayor que en el caso de 0,6
De nuevo, esto depende de cómo se construya la clasificación. En el ejemplo anterior, la clasificación se basó en la distancia a la línea central (límite) sin tener en cuenta el valor absoluto del incremento. Si se introdujera el valor absoluto de incremento, la clasificación sería diferente en principio. Su escala también será diferente.