Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1168
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
comprobado el MLP del alglib en la tabla de multiplicación para la normalización, hmmm... no es necesario normalizar, es extraño... ¡muy extraño que sea así de simple!
la rejilla de alglib es bastante buena, por supuesto no hay milagros, pero incluso en el avance muestra valores apenas lógicos.... ¡muy extraño que sea tan simple! )))
HH: #define k 1 se puede girar, pero no han notado ningún cambio, como la entrada para suministrar de 0. 1 que de 1. 100, lo que funciona bastante bien todo el mismo
bien, y el bosque sobre el mismo contará, me tiró la tabla de multiplicación para él también, sólo en grandes conjuntos de datos será la diferencia - la red neuronal se entrena más lentamente
Me interesa su opinión sobre el uso de la carta kagi para el Ministerio de Defensa. ¿Con qué frecuencia se utiliza y qué significado tiene en su opinión?
Me interesa su opinión sobre el uso del calendario kagi para el Ministerio de Defensa. ¿Con qué frecuencia se utiliza y qué significado tiene en su opinión?
Creo que es un indicador común de cambio de precio por una cierta cantidad, al igual que un Renko... en qué situaciones se puede utilizar: por ejemplo, para filtrar el "ruido", pero también se puede hacer a través de un muving, por ejemplo, con exactamente el mismo retraso. Por lo tanto, si es necesario obtener datos filtrados con retraso, tal vez tenga sentido, pero en la práctica lo más probable es que no exista esa tarea de obtener información de mercado con mucho retraso.
Creo que es un indicador común de cambio de precios por un determinado valor, al igual que Renko... en qué situaciones se puede utilizar: por ejemplo, para filtrar el "ruido", pero también se puede hacer a través de un muving, por ejemplo, con exactamente el mismo retraso. Por lo tanto, si es necesario obtener datos filtrados rezagados, puede tener sentido, pero en la práctica es probable que no sea necesario obtener información de mercado muy rezagada.
Más bien no se trata de practicar. Estos gráficos crean cierta conexión entre el mercado y el "ejercicio de la moneda".
El SB de estado estacionario a trozos no simula un pozo plano. El desarrollo obvio del modelo es una cadena de Markov homogénea a trozos. Es muy posible utilizar MO para entrenarlo. Seguramente alguien hizo algo similar, pero no he encontrado nada.
Me interesa su opinión sobre el uso del calendario kagi para el Ministerio de Defensa. ¿Con qué frecuencia se utiliza y qué significado tiene en su opinión?
hmm, pensé en publicar un bosque entrenado en gráficos renko en este hilo hoy,
he leído en alguna parte que algunas personas comparten las mismas ideas :)))
hmm, pensé en publicar un bosque entrenado en gráficos Renko en este hilo hoy,
he leído en alguna parte que algunas personas piensan igual )))))
i>Normalmente, añade a tus instucciones la capacidad de optimizar los ajustes de rengo, eso es lo que verás
Y en general, puede utilizar mi ejemplo de bandido para el gráfico de Weierstrass, cambiando logit por bosquepara pasar a python sin problemas y para resolver ejemplos recomiendo google colaboratory
se pueden tomar probabilidades condicionales (trazos de continuidad) según tengo entendido, que en el límite convergerán a 50\50, pero puede haber variaciones en el momento. En esto consiste exactamente el enfoque bayesiano, a diferencia del enfoque frecuencial (que distingue entre distribuciones a priori y a posteriori). Esta es más o menos mi humilde visión de lo que ocurre en este libro por el momento, ya que no estoy muy familiarizado con la estadística bayesiana, aunque esencialmente hay una ecuación y todo :)
Pero existe la sospecha de que esto se puede utilizar para encontrar regularidades condicionales, si se puede llamar así. Y una red neuronal es sólo para la generalización
al menos este es el enfoque que estoy tratando de añadir a mis bandidos RL
corrígeme si me equivoco.
Tengo Sagemath, que está basado en python.
Estoy de acuerdo en que el 50/50 en el límite, aunque se puede formalizar de diferentes maneras. Me gustaría encontrar algún modelo sencillo para distinguir nuestros gráficos de la SB simétrica a intervalos cortos. Los bandidos me parecen lo suficientemente complejos, al igual que los modelos de Markov ocultos, como para llevar al sobreaprendizaje.
Ignorar la oposición del enfoque frecuencial al enfoque bayesiano - coexisten bastante en un teórico)
El problema de la búsqueda de regularidades, en mi opinión, es la misma no estacionalidad.
puedes obtener un 100% de beneficios al mes.
¡Zehr gut, Max! Tse es el Grial y se esconde en los incrementos. No es tan fácil de ver, pero está ahí, al 100%.