Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2464
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 corredor utiliza para acceder a la Bolsa de Moscú utilizando MT?
Usted ha interpretado mi opinión en sentido contrario, en la naturaleza el objetivo es el más práctico, el más "necesario" sobrevive y se multiplica. Y es necesario entrenar el objetivo más "práctico" sin cambiarlo de ninguna manera.
Sobre los datos, sí, la información alimentada a la entrada, pero lo ideal sería formar/recibir - "ojos", "oídos", "nariz", etc.
1) excepto "Para entrenar una red neuronal, se necesitan conjuntos gigantescos de datos cuidadosamente seleccionados".
Para crear una nueva red neuronal, hay que configurar un algoritmo, pasar todos los datos por él, probarlo y optimizarlo repetidamente. Esto es complicado y requiere mucho tiempo. Por eso, a veces es más fácil utilizar algoritmos más sencillos, por ejemplo, la regresión.
2) Yo también pensé en un principio que era simple (regresión)... Pero la regresión lineal es confusa porque, que yo recuerde, los precios son no lineales, y la rentabilidad es lineal (¿si no al revés?) - al menos para las opciones sobre futuros... Lo más triste es que dicho análisis no es lineal, y la rentabilidad es lineal, y si no al revés - al menos para las opciones de diferentes fechas de vencimiento, pero no siempre se justifica por las imágenes 3d de dicha bondad... Y lo más triste de dicho análisis es que según DB CME, todos los precios están alineados con la huelga central y no veo ninguna posibilidad de ver los desequilibrios en el informe, sino de hacer un seguimiento en tiempo real (no soy árbitro, así que no puedo molestarme en ello)... Y no todo es tan lineal, más bien exponencial en la lógica, y no quiero cruzar cocodrilo con rinoceronte (en el modelo de 2 factores - tiempo y tasa de interés)... Parece que en la fijación de precios de las opciones ya está todo cruzado...
3)
Todo es correcto sobre el objetivo, mi objetivo es perfecto de señal a señal, si la señal es rentable entonces poner uno si es perdedor entonces poner 0 y nada más, excepto que el beneficio se puede calcular con la condición de spread!!!!
este es otro posible algoritmo de aprendizaje automático - utilizando el teorema de Bayes (la descripción me pareció así)... "Estos algoritmos se utilizan para tratar documentos de texto, por ejemplo, para el filtrado de spam...". Las redes neuronales, en cambio, funcionan de forma más compleja, de capa en capa (deep learning)...
De todos modos, mirando estos 3 algoritmos de aprendizaje automático - y hasta ahora me doy cuenta de que desde la perspectiva de la teoría de la probabilidad NO es tan fácil NO tachar la función objetivo en tu modelo, no sea que acabes sobreaprendiendo de lo mejor a lo peor y, sobre todo, sólo confiando en la historia... algoritmo+datos+condiciones para la selección a la siguiente capa = parece lo más lógico (aunque sólo cuando se trata de grandes cantidades de datos, pero no siempre son tales)
Probablemente, por eso (debido a la caída de dos de los tres algoritmos) las capas H.Grid son más prometedoras en el comercio que la simple regresión o el teorema de Bayes... Pero en esencia, en lo que a mí respecta, todo se reduce a una programación banal del proceso de toma de decisiones, sólo que utilizando enormes muestras para respaldar las decisiones del robot con estadísticas... que, desgraciadamente, no tenemos mucho, y que no centra tanto la especificidad de la salida como el abanico de posibilidades del conjunto de salidas... el mismo Rango... en el que el precio suele flotar... (porque el propio tipo de cambio flotante genera volatilidad)...
y el proceso de toma de decisiones del comerciante (y su propio aprendizaje) no puede pasar sin aprenderlo él mismo... El proceso de toma de decisiones de un trader (y su propio aprendizaje) no puede codificarse sin aprender él mismo... Entonces tienes algo que transmitir al robot, pero, por supuesto, el algoritmo de análisis de errores no puede transferirse al codificador (mientras estén presentes en su cerebro)... imho
Vale, ya pensaré con calma cómo no poner las cosas patas arriba (para no sobreentrenarse para mal)... Pr, OI, Volumen- es sólo parte de los datos para las expectativas y decisiones de los traders de todos modos, y la oferta y la demanda nace de ellos, no de los modelos matemáticos... imho
(es decir, 5 factores, sin tener en cuenta la política fiscal y monetaria de 2 países presentes en la cotización)
Mikhail Mishanin gracias por el consejo.
¿un punto es un poco contradictorio con su punto de vista? (no está muy claro en la cita del enlace).
Básicamente, las capas ocultas realizan algún tipo de función matemática. No lo fijamos, el programa aprende a emitir el resultado por sí mismo.
Parece un camino tonto de fuerza bruta... (como en un algoritmo, por ejemplo, para descifrar una contraseña)
p.d. y sin embargo:
MO no recuerda la historia, tal vez estás hablando de reentrenamiento del modelo
por lo que no puede reunir muchos datos en el momento actual para cargar capas de la red en lugar de un simple proceso de toma de decisiones... así que todavía se inclina por la posible utilidad en RM, pero no en TM
En cuanto al foro, si no sabes sacar conclusiones de la retroalimentación, puedes hacer un robot de este tipo SIN siquiera aprendizaje automático, si tu propio cerebro no te ayuda... a otro troll-repositor-hablante.
En cuanto al foro, si no sabes sacar conclusiones de la retroalimentación, puedes hacer un robot de este tipo SIN siquiera aprendizaje automático, si tu propio cerebro no te ayuda... a otro troll-repositor convertido en un chiflado.
El Ministerio de Defensa no recuerda la historia, tal vez esté hablando de reentrenar el modelo
¿Cómo es que no se acuerda? Hace exactamente eso.
¿Se ha encontrado con la expresión "bases de datos basadas en redes neuronales"? Me lo he encontrado alguna vez y creo que es la mejor definición de lo que son los NS/árboles.
Un árbol puede ser entrenado hasta la última división y entonces recordará absolutamente toda la historia con absoluta precisión (obtener un modelo sobre-entrenado).
Si no a la última división, sino a una división de parada un poco anterior (por ejemplo por 10 ejemplos en una hoja), entonces obtenemos la memoria con la generalización y con el promedio de los resultados de estos 10 ejemplos más similares. Habrá menos sobreaprendizaje. Es decir, hay que detener la división cuando el subaprendizaje empieza a convertirse en sobreaprendizaje. Esta es la tarea principal y más difícil.
¿Cómo no va a ser así? Hace exactamente eso.
¿Se ha encontrado con la expresión "bases de datos basadas en redes neuronales"? Me lo he encontrado alguna vez y creo que es la mejor definición de lo que son los NS/árboles.
Un árbol puede ser entrenado hasta la última división y entonces recordará absolutamente toda la historia con absoluta precisión (obtener un modelo sobre-entrenado).
Si no a la última división, sino a una división de parada un poco anterior (por ejemplo por 10 ejemplos en una hoja), entonces obtenemos la memoria con la generalización y con el promedio de los resultados de estos 10 ejemplos más similares. Habrá menos sobreaprendizaje. Es decir, debe encontrar la profundidad de la división con un mínimo de sobreaprendizaje.
¿Se aplica a la divisa, recordando la historia y haciendo un comercio basado en ella?
Sí. Esperamos que la historia se repita. Quizás en vano. Pero no tenemos nada más que esperar.
Sí. Esperamos que la historia se repita. Quizás en vano. Pero no tenemos nada más que esperar.
Ellos mismos escriben una advertencia en Señales, los logros del pasado no dicen que esto siga siendo así. Divertido
Lo curioso es que nadie puede garantizar - las acciones de los demás.
el aprendizaje automático, ahora sólo funciona en la estática, Maximka acaba de demostrarlo.