Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2216
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
qué sorpresa, ahora he probado el bot publicado por Maxim Vladimirovich.
En la primera captura de pantalla las cotizaciones de Dukascopi, la línea de equilibrio ascendente después de 3200 es sólo el período de noviembre de 2019 - octubre de 2020, marco de tiempo de 1 hora, spread - 2 pips (0.0002)
La prueba en otro broker en Metatrader dio resultados no tan notables, parece que hay que optimizar la estrategia para que funcione para todos sin excepción.
Sí, las distribuciones suelen mostrarlo todo. Podemos hacer esto para las características de los objetivos sin el refuerzo y ver de un vistazo
Así que la idea es evaluar el modelo, y el modelo realmente desenreda los objetivos enmarañados, y podemos evaluar su éxito al hacerlo, en lugar de sólo ver cómo están las cosas enmarañadas.
Estoy pensando en probar el método de aprendizaje en cascada (me he inventado el término, quizá haya algo diferente). Los gráficos muestran que hay zonas en las que el aprendizaje es exitoso: abandona esa zona, y enseña lo que sale de esa zona de nuevo, habiendo eliminado previamente de la muestra los ejemplos que entran en las distribuciones de la zona abandonada. Ya lo probé manualmente y el efecto fue bueno, pienso automatizarlo, pero no puedo hacerlo para el segundo día, me temo que el efecto fue aleatorio. ¿Qué te parece? Creo que es fácil de hacer en Python.
Así que la idea es evaluar el modelo, y el modelo realmente desenreda los objetivos enmarañados, y podemos evaluar su éxito al hacerlo, en lugar de sólo ver cómo están las cosas enmarañadas.
Estoy pensando en probar el método de aprendizaje en cascada (me he inventado el término, quizá haya algo diferente). Los gráficos muestran que hay zonas en las que el aprendizaje es exitoso: abandona esa zona, y enseña lo que sale de esa zona de nuevo, habiendo eliminado previamente de la muestra los ejemplos que entran en las distribuciones de la zona abandonada. Ya lo probé manualmente y el efecto fue bueno, pienso automatizarlo, pero no puedo hacerlo para el segundo día, me temo que el efecto fue aleatorio. ¿Qué te parece? Creo que es fácil de hacer en Python.
Bueno, todo es una cuestión de aprendizaje semicontrolado. Hasta ahora, estoy leyendo
Así que la idea es evaluar el modelo, y el modelo realmente desenreda los objetivos enmarañados, y podemos evaluar su éxito al hacerlo, en lugar de sólo ver cómo están las cosas enmarañadas.
Estoy pensando en probar el método de aprendizaje en cascada (me he inventado el término, quizá haya algo diferente). Los gráficos muestran que hay zonas en las que el aprendizaje es exitoso: abandona esa zona, y enseña lo que sale de esa zona de nuevo, habiendo eliminado previamente de la muestra los ejemplos que caen en las distribuciones de la zona abandonada. Ya lo probé manualmente y el efecto fue bueno, estoy pensando en automatizarlo, pero no puedo hacerlo para el segundo día, me temo que el efecto es aleatorio. ¿Qué te parece? Creo que es fácil de hacer en Python.
Si lo divides en zonas homogéneas de forma automática, al igual que con las manos más menos, funcionará.
qué sorpresa, ahora he probado el bot publicado por Maxim Vladimirovich.
En la primera captura de pantalla las cotizaciones de Dukascopi, la línea de equilibrio ascendente después de 3200 es sólo el período de noviembre de 2019 - octubre de 2020, marco de tiempo de 1 hora, spread - 2 pips (0.0002)
Ya lo he probado con algún otro broker en Metatrader pero mis resultados no son tan destacables, creo que la estrategia debería estar optimizada para funcionar con cualquiera sin excepción.
No es la mejor variante. Si no sabe cómo utilizarlo, puede mejorar aún más.
demasiado perezoso para escribir nuevas métricas todavía... y ciertamente no será el máximo beneficio entonces.....
no puedes hacer eso, simplemente no existe.
No se puede hacer eso, simplemente no está previsto.
Yo puedo hacerlo, tienes que aprender a usar google.
por ejemplo, la función de pérdida personalizada catboostEstá lejos de ser la mejor opción. Recoge los ajustes, puedes conseguir estos e incluso mejores
Con estos cálculos (cambiando sólo dos parámetros look_back y ma_periods) ¿cuál es la carga aproximada del procesador?
con estos cálculos (cambiando sólo dos parámetros look_back y ma_periods) aproximadamente ¿cuál es la carga del procesador?
no sé, no me doy cuenta
Puedo hacerlo, pero tienes que aprender a usar Google.
por ejemplo, la función de pérdida personalizada catboostNo lo entiendes, pruébalo, tienes una función que calcula el saldo...
se tarda menos de un minuto en averiguarlo