Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 617
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
La respuesta a su pregunta: clasificación. Señales de compra/venta/pasar.
En cuanto a las fotos, no está claro cuáles son las líneas.
Capturas de pantalla de la plataforma comercial MetaTrader
AUDUSD, H1, 2018.01.28
RoboForex (CY) Ltd, MetaTrader 5, Demo
Estoy de acuerdo, las fotos están recortadas de la carta.
Sobre la clasificación, ¿se puede aplicar la misma red neuronal?
El modelo, tal y como lo entiende el público, es un conjunto de parámetros del conjunto de datos (columnas, variables) + conjunto de métodos matemáticos (funciones) + resultado (llamada a la función).
Entiendo que se trata de un conjunto de datos.
La longitud del conjunto de datos afecta a la calidad y la velocidad del aprendizaje (filas). La calidad de las predicciones depende de la calidad de los parámetros (columnas)
No sé cómo tratar la longitud del conjunto de datos. En mi caso, un mismo modelo puede tener 500 barras, pero en un día puede tener 200 barras. Supongamos que hago un script, que me dará conjuntos de datos para cada hora, pero serán de diferente longitud, ¿cómo puedo utilizarlos en una red neuronal? Creo que sólo la longitud del modelo es también un parámetro de calidad para la red neuronal...
https://charts.mql5.com/17/376/audusd-h1-roboforex-cy-ltd.png
De acuerdo, las imágenes están recortadas del gráfico.
En cuanto a la clasificación, ¿se puede aplicar en la misma red neuronal?
De las imágenes no se desprende claramente cuáles son los datos. ¿Dónde está la previsión? ¿Qué significan las líneas verticales? En general, como se dice, no hay leyenda en el gráfico.
Básicamente sí, en la estructura del modelo de red neuronal tendrá que cambiar la capa de salida (número de neuronas, función de activación) y transformar los datos para el entrenamiento en clases (por ejemplo, señales de indicadores, incrementos de precios normalizados).
De las imágenes no se desprende qué tipo de datos? ¿Dónde está la previsión? ¿Qué significan las líneas verticales? En general, como se dice, no hay leyenda en el gráfico.
Básicamente sí, en la estructura del modelo de red neuronal tendrá que cambiar la capa de salida (número de neuronas, función de activación) y transformar los datos para el entrenamiento en clases (por ejemplo, señales de indicadores, incrementos de precios normalizados).
De acuerdo con la imagen, las líneas verticales muestran el modelo en sí, todo después de la derecha vertical hacia adelante. Así que el delantero se comporta de forma diferente, y con la ayuda de una red neuronal quiero encontrar una posible explicación al comportamiento del delantero. Quiero utilizar los datos de la red neuronal para los precios incrementales del modelo.
No sé cómo tratar la longitud del conjunto de datos. En mi caso, un mismo modelo puede tener 500 barras, pero en un día puede tener 200 barras. Supongamos que hago un script, que me dará conjuntos de datos para cada hora, pero serán de diferente longitud, ¿cómo puedo utilizarlos en una red neuronal? Creo que sólo la longitud del modelo es también un indicador de calidad para la red neuronal
Su conjunto de datos es una tabla en la que las columnas, por ejemplo, son precios de apertura/cierre y las filas son momentos de tiempo, barras.
En una arquitectura de red neuronal elemental se introduce una fila tras otra y por cada fila debe salir un resultado que tras compararlo con un punto de referencia la función de optimización "entrenará" a la red neuronal.
Si se alimentan varias cadenas a la vez, se trata de una serie temporal, lo que significa que debe alimentarse según un determinado algoritmo.
Debo añadir: estudien los artículos sobre el tema, creo que se aclararán muchas cuestiones.De acuerdo con la imagen, las líneas verticales muestran el modelo en sí, todo después de la derecha vertical hacia adelante. Así que el delantero se comporta de forma diferente, y con la ayuda de una red neuronal quiero encontrar una posible explicación al comportamiento del delantero. Quiero utilizar los datos de la red neuronal para los incrementos de precio del modelo.
Empecé a escribir un artículo para el trading emparejado... pero me atasqué por mi pereza y falta de comprensión de cómo hacerlo correctamente :)
Su conjunto de datos es una tabla, donde las columnas, por ejemplo, son los precios de apertura/cierre, y las filas son momentos de tiempo, barras.
En una arquitectura de red neuronal rudimentaria, se le alimenta una fila tras otra, y para cada fila debe producir un resultado que, una vez comparado con el punto de referencia, la función de optimización "entrenará" a la red neuronal.
Si se alimentan varias cadenas a la vez, se trata de una serie temporal, lo que significa que se debe alimentar según un determinado algoritmo.
Perdonen que sea tan brusco, mis conocimientos sobre redes neuronales son probablemente demasiado superficiales. Así, por ejemplo, tengo una secuencia de precios de 100 barras y de avance de 5 barras. La entrada de la red neuronal es 100 y la salida es 5 barras. Pero ahora la siguiente selección una hora antes tiene una secuencia, por ejemplo, de 200 barras y adelante también 5 barras. la tercera selección una hora antes tiene 250 a la entrada y 5 a la salida. ¿cómo hacer una red neuronal así? En todas partes hay ejemplos que describen que los datos de entrada están en la misma cantidad.
Empecé a escribir un artículo para el comercio de dobles... pero me atasqué por mi pereza y mi incomprensión de cómo hacerlo bien :)
Saludos, no estoy usando el método emparejado, aunque he llegado a conocer el método emparejado. Para el día de hoy uso el comercio de cartera, y sólo porque creo una cartera para mi etapa conveniente (modelo) en cualquier momento. Y cuando me di cuenta de que las series de la cartera son similares a cualquier serie del mercado, decidí encontrar posibles regularidades para conjuntos idénticos (visualmente idénticos) utilizando la red neuronal.
Maxim, estás ejecutando tus redes neuronales en monopolar, ¿no es así? ¿Has pensado alguna vez que puedes crear una fila práctica que luego pueda rendir más en la delantera? Al fin y al cabo, digamos que una figura de hombros, por ejemplo, no se da muy a menudo, pero imagina que puedes hacerla cada hora...
Perdonen que sea tan brusco, mis conocimientos sobre redes neuronales son probablemente demasiado superficiales. Así, por ejemplo, tengo una secuencia de precios de 100 barras y de avance de 5 barras. La entrada de la red neuronal es 100 y la salida es 5 barras. Pero ahora la siguiente selección una hora antes tiene una secuencia, por ejemplo, de 200 barras y adelante también 5 barras. la tercera selección una hora antes tiene 250 a la entrada y 5 a la salida. ¿cómo hacer una red neuronal así? En todas partes hay ejemplos que describen que los datos de entrada son los mismos.