Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1336
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
No entiendo la idea... reordena los gráficos en tu mente y todo estará bien.
Lo hago porque me da pereza rebobinar los gráficos en el probador todo el tiempo, no hay ninguna diferencia y es aún mejor, la formación está actualizada en lugar de hace 3 años
¿Por qué? Interesado no sólo en lo que está en juego, sino también en el fundamento.
No, tengo un proceso de Markov, la solución depende sólo del estado actual, no hay planificación al aprender como en el clásico q-learning, por ejemplo
no hay nada que aprender en el probador - ir directamente a tiempo real:)
pero si usas un probador, entonces hazlo todo en una sola pasada
La cuestión es que la relación entre los precios futuros y los precios actuales está determinada lógicamente por el hecho de que todas las operaciones se planifican sobre la base de los precios actuales, que a su vez afectan a los precios futuros, es decir, la conexión argumento-función va de izquierda a derecha, pero no al revés.
Tiene acuerdos a corto plazo, a juzgar por el gráfico. Nada cambiará por una reordenación. Incluso mejor, ya que al aprender de los datos más recientes, existe la posibilidad de que lo real sea mejor que cuando se aprende mucho antes de lo real.
Ya estoy montando un poco en el intercambio, tanteando...
Un desarrollo único de bots con inteligencia artificial que conquistará no sólo el mercado, sino el mundo entero.
Planes napoleónicos. Permítame recordarle que Napoleón terminó en Santa Elena.
Planes napoleónicos. Recordemos que Napoleón acabó en Santa Elena.
Esto es una bicicleta para ti, pero para otros una SVM kernelizada (sobre "Reshetov's Vector Machine")
Dudo de"kernelizado", su salida es lineal, es sólo hiperplano, No he analizado en detalle el código Java que Yury había colgado en el ciberforo antes de desaparecer, pero un "graale-writer" que conozco hizo analizar este código para que un cliente lo retocara y dijo que era simplemente una búsqueda por fuerza bruta de los coeficientes del modelo lineal, una especie de búsqueda estocástica personalizada como la genética o la ottigrafía, el resultado es un vector de coeficientes lineales, en definitiva, una versión más avanzada de esta obra maestra:
Asesor Experto AI para MetaTrader 4
double perceptron()
{
double w1 = x1 - 100;
double w2 = x2 - 100;
double w3 = x3 - 100;
double w4 = x4 - 100;
double a1 = iAC(Symbol(), 0, 0);
double a2 = iAC(Symbol(), 0, 7);
double a3 = iAC(Symbol(), 0, 14);
double a4 = iAC(Symbol(), 0, 21);
return(w1 * a1 + w2 * a2 + w3 * a3 + w4 * a4);
}
Sin embargo, los coeficientes no son buscados por MT-optimizer sino por mi propio oficio.
Se seleccionaron pocos modelos - no está claro por qué ocurrió esto - tenemos que pensar.
Gráficos de los modelos (no he hecho fotos debido al escaso número de modelos seleccionados)
60%
70%
Lo que podemos concluir aquí es que la proporción de muestreo volvió a ser superior al 30% (¡las antiguas muestras eran del 70%, pero intercambiadas!). Los gráficos tienen a primera vista más diferencias, pero todavía no son suficientes para una ejecución paralela efectiva, para cubrir un mayor porcentaje de integridad (Recall).
Y así es como se combinan dos modelos del último y penúltimo experimento, pero he aumentado la separación a 0,55. Si uno de los modelos tiene una señal, entonces entra en el mercado.