Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2038
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 hay nada que discutir, porque en cualquier marco normal hizo y mostró, con un mínimo de código
aquí no se habla de modelos autodidactas, sólo de modelos maduros como el catbust o las modernas redes neuronales
Este jaleo de los ratones con las redes neuronales mql ni siquiera interesa discutirlo, porque el mundo va muy por delante, y cada año duplica la distancia.
Supongamos que me dices: "Tengo tal y tal modelo en tensorflow"... Yo digo "bien, puedo hacer el mismo modelo en una Antorcha durante 5 minutos y comprobarlo. Y me dices que has construido algo en mql. ¿Para qué necesito esa información? ¿Cómo se supone que la voy a recrear?
¿Por qué no admite que tengo un modelo quetensorfloat / antorcha tomará otro par de años para construir yvoy a triplicar la producción)?
de algún libro de Edgar Peters, no textualmente por supuesto - "El oficinista/corredor pasará un billete de cinco libras tirado en alguna calle, porque en su teoría de la probabilidad no debería estar allí...")
Buena suerte.
Cuantas más líneas haya, más profundidad se necesita.
Si hay gigabytes, entonces millones de líneas. En la profundidad 6, la hoja final será 1/64 del número completo de ejemplos/cadenas, es decir, decenas de miles si la entrada es de millones.
Así que CB construye conjuntos, es decir, el corte se realiza en ambos sentidos, y el corte depende del número de árboles en general recomiendan una profundidad máxima de 10.
por qué no admite que tengo un modelo quetensorflota/estira un par de años más y triplico la brecha, ¿por qué no lo hace?)
ya es un bajón hablar, por desgracia
Así que CB construye conjuntos, es decir, el corte se produce en ambos sentidos, y el calado depende del número de árboles en general recomiendan una profundidad máxima de 10.
Al parecer, esto no es una recomendación para millones de líneas. Prueba 15.
Al parecer, no es por los millones de líneas de asesoramiento. Prueba 15.
Esto es sólo para muestras muy grandes en anchura y profundidad.
Digo que el aprendizaje es fácil, pero los patrones detectados por el aprendizaje no se confirman en la muestra de control.
Esto es sólo para muestras muy grandes en anchura y profundidad.
Estoy diciendo que el aprendizaje es fácil, pero los patrones detectados en el aprendizaje no se confirman en la muestra de control.
por lo general no hay problema con el análisis de la información del mercado... excepto por la avaricia del investigador, que cree que el mercado sólo le da información a él y necesita procesar todos los datos, es decir, aquí la tarea se formaliza como la búsqueda de un patrón que se repite, otros datos deben ser descartados (no utilizados)
con la decisión es triste - para generar TS que pasará la prueba y hacia adelante es posible, pero para encontrar los vínculos entre las estadísticas del probador de la estrategia y el tiempo de persistencia de TS o posibilidad de determinar el cumplimiento de TS con el contexto del mercado - ese es el problema
es decir, como usted escribe el problema está en el futuro
Creo que en general hemos avanzado un poco en la formalización del problema,
en principio no es difícil hacer una descarga de estadísticas de prueba e intentar entrenar NS en Python,
La determinación del contexto del mercado, en mi opinión, es como usted escribió - sólo una decisión del comerciante, es decir, dudo que pueda ser formalizado o algoritmo o investigado
Con los átomos es más sencillo en 2 niveles: moléculas de materia átomos en inorgánicos y materia moléculas grandes y muchos átomos en orgánicos. En el análisis del mercado estatal, las entidades empresariales son personas. Y las personas son más complicadas que los átomos y sus componentes.
En mi opinión, el número de columnas no es tan importante para la profundidad. Sólo un gran número de filas debería aumentar la profundidad. Pero las columnas pueden ser hasta un millón. Se revisarán todas y sólo se elegirán algunas de las mejores.
En total, el resultado es el siguiente: 2 árboles en total
La métrica
Evaluación de la importancia de los predictores según el método seleccionado
Se adjunta un modelo C++ y bin y una tabla de cuantificación.
Me parece que, o bien la muestra debe mezclarse, o bien esto es lo máximo -confundido por la diferencia de métricas entre las muestras de la prueba y del examen.
Con los átomos es más fácil en dos niveles, moléculas de materia átomos en inorgánicos y materia moléculas grandes y muchos átomos en orgánicos.
Es exactamente así, pero mientras se consideren átomos, y en cuanto se decida considerar una red cristalina, "se acabó" -en la mayoría de los casos es muy difícil resolver el problema, leí una vez, por la forma en que utilizan las redes neuronales- se obtienen resultados más rápidos del proceso de modelado
Lo mismo ocurre con los mercados, mientras nos fijemos en uno o dos ticks, no hay muchas variantes, ni al alza ni a la baja, todo se complica si procedemos a los estudios "aquí abrieron una orden, y aquí la cerraron" )))
En el análisis de mercado de los estados, las entidades empresariales son personas. y las personas son más complejas que los átomos y sus componentes. definitivamente más complejas que la química orgánica.
Sí, es una estructura viva, pero tiene un modelo de comportamiento: que se llame patrones o contexto de mercado, no el punto.
puedes estudiar el comportamiento en la historia, ahora te toca decidir qué hacer en el futuro.
Este es el resultado global - 2 árboles en total
Métrica
Estimación de la importancia de los predictores según el método seleccionado
Se adjunta el modelo C++ y bin, y la tabla de cuantificación.
Me parece que, o bien hay que barajar la muestra, o bien ésta es la máxima, confundida por la diferencia de métricas entre la muestra de la prueba y la del examen.
Remover dentro del tren o de la prueba es posible pero no tiene sentido, y entre el tren y la prueba no. Por casualidad los mezclaste allí, algo muy bueno para la prueba con el examen.
La diferencia es que el mercado no es siempre el mismo, sino que cambia. Lo principal es el beneficio medio).