Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 535

 
Maxim Dmitrievsky:

Bueno, se siente como 4-5 segundos

Tengo 25 (en garrapatas reales). Además de un poco más de tiempo para preparar las garrapatas en la primera carrera, pero esto puede ser ignorado.

 
Dr. Trader:

Tengo 25 (en garrapatas reales). Además, un poco más de tiempo para preparar las garrapatas para la primera carrera, pero se puede ignorar.


eso es aproximadamente97555367 ticks :) no es una tontería

eso no es tan malo, es sólo cuestión de tiempo antes de que la primera garrapata

 
Dr. Trader:

El tema es interesante en sí mismo, pero no pasó la prueba del forex. Hay algunos artículos sobre esto en el hilo, incluso hay un paquete para R -https://github.com/ahunteruk/RNeat .
NEAT un par de palabras - seleccionamos los pesos de las neuronas utilizando un algoritmo genético en lugar de un entrenamiento convencional.
Por ejemplo, el algoritmo en acción, neuronka se entrena para jugar a un juego de Mariohttps://www.youtube.com/watch?v=qv6UVOQ0F44

Mientras que con el entrenamiento normal de una red neuronal a veces podemos pausar el entrenamiento y comprobar el sobreajuste en los nuevos datos para detener el entrenamiento a tiempo, con NEAT no podemos, la genética buscará los pesos que mejor se ajusten a la función de aptitud hasta que alcance su límite, lo que resulta en un fuerte sobreajuste y un modelo inútil en los nuevos datos.

Esto no es cierto en absoluto. NEAT(NeuroEvolution of Augmenting Topologies) es una búsqueda genética de la arquitectura óptima de las redes neuronales. Exactamente la arquitectura y no los pesos NN de una determinada arquitectura. Desgraciadamente, el paquete no ha continuado en las últimas versiones de R. Existe un paquete similar en Python.NEAT es un método desarrollado por Kenneth O. Stanley para desarrollar redes neuronales arbitrarias.NEAT-Python es una implementación pura de NEAT en Python sin más dependencias que la biblioteca estándar de Python. Puede leer con más detalle - Nuestra revista original sobre NEAT (en coautoría con Ken Stanley y Risto Miikkulainen), "Evolución de las redes neuronales mediante topologías complementarias"

Un pequeño extracto de :Evolving Neural Networks through Complementary Topologies (2002)

Kenneth O. Stanley yRisto Miikkulainen
Una cuestión importante en la neuroevolución es cómo aprovechar la evolución de las topologías de las redes neuronales junto con los pesos.Presentamos el método NeuroEvolution of Augmenting Topologies (NEAT), que supera al mejor método de topología fija en la tarea de aprendizaje de artefactos complejos.Argumentamos que la mejora del rendimiento se debe a (1) el uso de un método de principios de cruce de diferentes topologías, (2) la protección de la innovación estructural mediante la especiación, y (3) el aumento gradual a partir de una estructura mínima.Comprobamos esta afirmación mediante una serie de estudios de ablación, que demuestran que cada componente es esencial para el sistema en su conjunto, así como para cada uno de ellos.Lo que resulta acelera significativamente el aprendizaje.NEAT es también una importante contribución a los AG porque muestra cómo las soluciones pueden evolucionar para optimizar ycomplicar simultáneamente, ofreciendo la posibilidad de evolucionar soluciones cada vez más complejas a lo largo de las generaciones y reforzando la analogía con la evolución biológica.

¿Notas la diferencia? Tenemos que experimentar. El tiempo en el día sería de 26 horas...

 
Maxim Dmitrievsky:

muestra estándar MACD Asesor Experto con la lógica simple, 1 minuto a 2 precios abiertos para el año ... bueno se siente como 4-5 segundos ... y que para un año en los minutos

para mí no es tan lento + reprodujo el entorno de comercio como los diferenciales flotantes, trazados y reportados

Creciendo chicos, qué puedo decir, hace 4 años era mucho más lento. Pero aún así 4-5 seg. es una eternidad para una sola carrera, debería ser dos órdenes de magnitud más rápido. 4-5 seg. en un intervalo de un año, esta "estrategia" debería ser optimizada por la genética o por un burnout de 100-200 carreras.

 

Soy un maldito programador. Pasé cuatro horas tratando de hacer un indicador AD para MT5 usando CDs, pero más o menos lo hice. Esto es un lío, camaradas. Me he perdido en tres líneas :-(.

Es difícil cuando no se sabe y se olvida :-)

 

No te lo vas a creer, pero el sueño de un idiota se ha hecho realidad, he recorrido los tres componentes principales del mercado de la optimización. Delta + Volumen + Interés abierto. No puedo esperar a ver los resultados de la formación...

 
Mihail Marchukajtes:

No te lo vas a creer, pero el sueño de un idiota se ha hecho realidad, he recorrido los tres componentes principales del mercado de la optimización. Delta + Volumen + Interés abierto. No puedo esperar a ver los resultados de la formación...

¿Qué quiere decir con Interés Abierto?

"¿Delta qué?

 
SEM:

¿Qué quiere decir con "interés abierto"?

"¿Delta qué?


Interés abierto con Forts, delta con KD. Tengo una vinagreta de sorts.... A ver qué sale de esta ensalada.......

 
Mihail Marchukajtes:

Interés abierto de Forts, delta de KD. Tengo una vinagreta de sorts.... A ver qué sale de esta ensalada.......


Tengo una pregunta. ¿Por qué estos parámetros le van a dar ventaja sobre otros agentes del mercado si estos datos ya se conocen, y probablemente mucho antes?

 
Mihail Marchukajtes:

Interés abierto de Forts, delta de KD. Tengo una vinagreta de sorts.... A ver qué sale de esta ensalada.......

Prueba a añadir desviaciones estándar de las Bandas de Bollinger o Envolventes, para los límites del canal, salen cosas interesantes.

"Interés abierto de Forts", me pregunto quién emite los datos reales de estos indicadores.

De nuevo, no entiendo, ¿qué es "QD"?

Razón de la queja: