Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1016
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
He traído el enlace por la tabla: una nueva mirada a los predictores y como desarrollo del pensamiento de Alexander sobre ACF.
Fresco, ¿hablas en serio? Viejo como... el mamut. ¿Cómo es mejor que la descomposición de Fourier u otra o los coeficientes autorregresivos y sus valores o filtros?
Nada de eso funciona.
Fresco, ¿hablas en serio? Viejo como... el mamut. ¿Cómo es mejor que la descomposición de Fourier u otra o los coeficientes autorregresivos y sus valores o filtros
Nada de eso funciona.
Fresco para este hilo.
Entonces, ¿qué has probado?
¿Qué es exactamente? ¿Para qué objetivo?
Fresco para esta rama.
Entonces, ¿qué has probado?
¿Qué en concreto? ¿Para qué objetivo?
He probado diferentes descomposiciones, autorregresivas (no hay diferencia con la acf) junto con los coeficientes también.
Funciona en series bien correlacionadas (tomar la segunda fila como un accesorio, construir un VAR por ejemplo entre instrumentos, tomarlo como predictor y entrenar el modelo). Bueno, funciona - siempre y cuando la correlación no se rompa.
En el primer instrumento funciona igual que muchos otros predictores, con sobreajuste. Los objetivos se seleccionan automáticamente.
Gracias, no me interesa tanto la afiliación, que entiendo que entraña importantes dificultades, sino fijarme en el nivel, que probablemente no sea menos significativo.
"membresía" es correcto))) cualquier membresía suele ser el resultado de un conocimiento casual y / o coincidencia, y hay algunos chicos avanzados improvisando su "kuklusklan" con su cultura y rituales, he estado allí sólo un par de meses, hasta que he aprendido algo muy valioso, pero el hecho de que el ecosistema sea al menos relativamente cerrado es un gran punto a favor para este tipo de discusiones e intercambio de piezas de repuesto para sus infraestructuras algorítmicas. no creo que dure mucho tiempo con semejante novatada, tengo que buscar grupos similares que no avergüencen tanto a los geks.
Usted escribió que este grupo está buscando una representación unificada de los modelos del Ministerio de Defensa, estos son los modelos que me gustaría ver.
Sí tales pensamientos fueron expresados en voz alta y no sólo allí he oído hablar de él por cierto, en la élite-trader habló recordar, tal vez aquí oído algo similar, propongo discutir en privado si desea establecer un formato para compartir los modelos, también tengo pensamientos sobre este tema, de hecho, cada codificador sabecomo hacerlo a su manera, solo es cuestión de estándares, algo como el patrón fullstack C++ dll-grall que toma datos crudos y emite pronósticos y un par de líneas de código para enchufar desde peyton de sharp y demás. A quién le importa dónde.
Para la comparación como listo para mostrar sus, modestos desarrollos, entrené modelos serializar en formato binario o de texto y en forma de un código fuente.
La idea principal es utilizar el mecanismo de la estrategia de salida.
Zhenya:
Has escrito que en este grupo se está considerando una representación unificada de los modelos de MdD, estos son los modelos que me gustaría ver.
Sí tales pensamientos fueron expresados en voz alta y no sólo allí lo escuché por cierto, en elit-trader recuerdo, tal vez aquí he oído algo similar, propongo discutir en privado si quieres cómo podemos ajustar el formato del intercambio de modelos, también tengo pensamientos sobre este tema, de hecho cada codificador sabecomo hacerlo a su manera, solo es cuestión de estándares, algo como el patrón fullstack C++ dll-grall que toma datos crudos y emite pronósticos y un par de líneas de código para enchufar desde el peyton de sharp, etc. A quién le importa dónde.
Existe el PMML, por ejemplo.
https://ru.wikipedia.org/wiki/Язык_разметки_прогнозного_моделирования
Existe una biblioteca para R (también llamada pmml) que puede convertir los modelos más populares a este formato.
es posible:
1) entrenar el modelo en R como de costumbre
2) Convertir el modelo a pmml
3) guardar el modelo pmml en un archivo xml y compartirlo
Hace un tiempo quise hacer un script para mql que pudiera leer archivos xml con modelos pmml. Así podría incrustar en mi EA la predicción de gbm entrenados desde r con un par de líneas de código (incluir script + pmml como recurso). Pero no he llegado a hacerlo.
Esto no es adecuado si quieres mantener el modelo en secreto, porque en el archivo xml se prescribirán los pesos de las neuronas o las ramas del bosque.
Para que el arreglo del modelo sea totalmente secreto, se puede utilizar una idea de un concurso de científicos de datos: requieren un archivo con cientos de miles de predicciones. A partir de ahí, pueden utilizar este archivo para interpolar las predicciones y obtener una predicción junto a la existente.
Existe el PMML, por ejemplo.
https://ru.wikipedia.org/wiki/Язык_разметки_прогнозного_моделирования
Existe una biblioteca para R (también llamada pmml) que puede convertir los modelos más populares a este formato.
puedes hacerlo de esta manera:
1) entrenar el modelo en R como de costumbre
2) convertir el modelo a pmml
3) guardar el modelo pmml como un archivo xml y compartirlo
Hace un tiempo quise hacer un script para mql que pudiera leer archivos xml con modelos pmml. Entonces podría incrustar en EA la predicción de gbm entrenados desde r con un par de líneas de código (incluyendo el script + pmml como recurso). Pero no he llegado a hacerlo.
No es adecuado si quieres mantener el modelo en secreto, porque en el archivo xml se prescribirán los pesos de las neuronas o las ramas del bosque.
Por desgracia, el secreto es un requisito importante aquí))) Se trata del protocolo de la bolsa ofuscado por modelos C++ que toman los datos brutos de la bolsa y producen previsiones, por lo que se puede tomar un modelo con descripción de sus entradas y salidas, usarlo por ejemplo un mes o por el tiempo que se diseñe sin modificación (reentrenamiento, etc.) y sacar conclusiones (comprar, alquilar, etc.)
Es deseable que sea sólo una carpeta con los archivos, diferentes binarios en los que entender los detalles no es rentable.
Para que el dispositivo del modelo sea totalmente secreto, se puede utilizar una idea de un concurso de datascientist: requieren un archivo con cientos de miles de predicciones. A partir de ahí, pueden utilizar este archivo para interpolar las predicciones y obtener una predicción junto a la existente.
Si te refieres a numerai entonces su enfoque no funcionará, en este caso, por "modelo" se refieren a todo el conjunto de transformaciones de los datos en bruto en una predicción, en primer lugar se trata de signos, numerai tiene un concurso de estudiantes para la comercialización de su moneda (NMR), no puede ser de alguna manera conectado con los mercados reales, la última cosa que el fondo de cobertura necesitará es externalizar la clasificación pura. Si se refiere a otra competición, por favor, dígamelo.
Sí.
Su camino no carece de mérito. He probado mis modelos para predecir cientos de miles de casos aleatorios. Luego, para las predicciones de caja negra, busqué el punto más cercano en coordenadas y utilicé su resultado como la propia predicción. Este prototipo ha funcionado, pero podría mejorarlo de verdad: encontrar los 3 puntos más cercanos y triangular el resultado medio. Pero esto es caro computacionalmente, incluso con un widget opencl puede tardar un par de segundos en hacer la predicción.
Se introduce algún parámetro adicional que corresponde al estado del proceso y del que dependen los parámetros del modelo. Este parámetro también se predice.
Es muy similar a la memoria de las RNN ( redes neuronales recurrentes)
Los predictores y un valor más (la memoria) se introducen en el modelo. El modelo produce dos números en la predicción: el propio objetivo y un nuevo valor de memoria que se utilizará junto con los predictores en la siguiente predicción. Por eso es una red recurrente, su salida se utilizará como entrada para la siguiente vez, y así sucesivamente en un círculo cada vez.
Los RNN en forex están muy sobrealimentados, es malo, no se puede hacer todo por libro de texto y poner operaciones.
Pero para un modelo con sólo un par de parámetros tiene una precisión bastante buena, comparable a la de una neurona normal con una gran capa oculta, me sigue sorprendiendo.
Esto es muy similar a la memoria en RNN (redes neuronales recurrentes)
Los predictores y otro valor (memoria) se introducen en la entrada del modelo. El modelo emite dos números en la predicción: el propio objetivo y un nuevo valor de memoria que se utilizará junto con los predictores en la siguiente predicción. Por eso es una red recursiva, su salida se utilizará como entrada la siguiente vez, y así sucesivamente en un círculo cada vez.
Los RNN en forex están muy sobrealimentados, es malo, no se puede hacer todo por libro de texto y poner operaciones.
Pero para un modelo con sólo un par de parámetros tiene una precisión bastante buena, comparable a la de una neurona normal con una gran capa oculta, me sigue sorprendiendo.
Gracias, realmente se ve así.