Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2699
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
Veo una familiaridad, ya lo he visto 3-4 veces en tus posts.
2 veces 0,5 por turno.)))))))
2 veces, es así:
2 veces 0,5 está en el centro :-) Una media de dos, que de repente describe bien las tics
0) sí lo estoy...)
Mi método fija el número de espacios en los que se busca la regularidad y limita el paso de coordenadas en estos espacios, por lo que no debería haber explosiones. Además hay ideas de cómo reducir inmediatamente el número de combinaciones a buscar analizando los espacios de antemano.
Haré la búsqueda en MQL5 a través del modo "computación matemática", la ventaja aquí es el sistema depurado de soporte de agentes, que permitirá gestionar tareas de computación paralelizadas. Tengo bastantes núcleos débiles en mis servidores, así que es importante para mí.
Una regla es un análogo de una hoja de árbol, si no recuerdo mal tu investigación. La hoja contiene las condiciones que describen el patrón, y el Evento es la fuente para encontrar el patrón.
El suceso es quizá el tronco del árbol, que se construirá interactuando con otros predictores.
Construir, incluso es posible decir el crecimiento, si utilizar la representación sobre un árbol, - es la segunda ya etapa, darse cuenta de que es posible ya sea a través del algoritmo (mientras que los bocetos en un papel) o en R a través de árboles genéticos (es simplemente ya elaborado metodología, a usted lanzó la secuencia de comandos), o como lo hace - pero trabajando ya con un pequeño en general tabla - la búsqueda de regularidades relativas, y es posible pensar en algo más. Y en esta fase CatBoost ya puede digerir datos con alegría, como solución intermedia. Es posible sacar de ahí hojas y reglas, pero suelen ser débiles ahí.
la probabilidad de que el precio supere alguna línea (y se activen las señales de los indicadores) depende de la hora del día y del día de la semana.
Es necesario añadir tiempo cíclico a NN y DL. La forma más sencilla es una onda sinusoidal. Las dependencias no son lineales, por lo que simplemente se eleva al cuadrado, teniendo en cuenta el signo. Hay dos entradas adicionales que son responsables de las referencias temporales. Medianoche/Mediodía es diferente en todas partes, por lo que es mejor calcular y dar la fase por adelantado. Esta es la conexión del modelo con el mundo real y su tiempo
Si no se dan explícitamente, entonces IMHO obtendrás una calabaza o el conjunto intentará obtenerlas y darlas por sí mismo.
Sí, el tiempo es una de las escalas más importantes y, por supuesto, yo la utilizo.
¿Cómo se soluciona el tema de la transición al horario de verano/invierno, crees que hace falta alguna corrección?
Digamos que operamos Euro/Rublo - en la historia tenemos diferentes momentos de transición al tiempo de invierno/verano, y luego la ausencia de transición para el rublo, pero la presencia del euro, digamos que los eventos de noticias planificadas son importantes, pero con el cambio de tiempo estarán en el gráfico en diferentes momentos, y ¿cómo estar? Tal vez tenga sentido utilizar las escalas de tiempo de dos monedas a la vez, y tal vez más?
Sí, el tiempo es una de las escalas más importantes, y por supuesto que la utilizo.
Cómo se soluciona el tema de la transición al horario de verano/invierno, cree que es necesaria alguna corrección?
Digamos que operamos Euro/Rublo - en la historia tenemos diferentes momentos de transición al tiempo de invierno/verano, y luego la ausencia de transición para el rublo, pero la presencia del euro, digamos que los eventos de noticias planeadas son importantes, pero con el cambio de tiempo estarán en el gráfico en diferentes momentos, y ¿cómo estar? Tal vez tenga sentido utilizar las escalas de tiempo de dos monedas a la vez, y tal vez más?
esto es un b@## bien conocido... y constantemente confunde todo, no importa lo que el comercio:-) en dos grandes centros - EE.UU. e Inglaterra, las manecillas del reloj se mueven en días diferentes. Hasta con más de 1 semana de diferencia. Los intervalos entre los acontecimientos más importantes cambian y dos o tres semanas en seis meses pueden quedar fuera del análisis. Y los nuestros se hacen un lío, "cambiamos los relojes, no cambiamos los relojes".
No conozco una solución universal o incluso más o menos acertada para este problema. O simplemente ignorar estos "días críticos" o enseñar el horario de invierno/verano por separado. Esto último parece más razonable, pero ya estamos críticamente escasos de datos tal y como están las cosas
Mi método fija el número de espacios en los que se busca un patrón y limita el paso de coordenadas en estos espacios, por lo que no debería haber explosiones. Además, hay ideas de cómo reducir inmediatamente el número de combinaciones que hay que explorar analizando los espacios de antemano.
Haré la búsqueda en MQL5 a través del modo "computación matemática", la ventaja aquí es el sistema depurado de soporte de agentes, que permitirá gestionar tareas de computación paralelizadas. Tengo bastantes núcleos débiles en mis servidores, así que esto es importante para mí.
Una regla es un análogo de una hoja de árbol, si recuerdo correctamente su investigación. La hoja contiene las condiciones que describen el patrón, y el Evento es la fuente para encontrar el patrón.
El suceso es quizás el tronco del árbol, que crecerá interactuando con otros predictores.
La construcción, incluso es posible decir el crecimiento, si usar la representación sobre un árbol, - es la segunda ya etapa, realizar que es posible o a través del algoritmo (mientras bosquejos sobre un papel) o sobre R a través de árboles genéticos (es simplemente metodología ya elaborada, a usted tiró el guión), o como usted hace - pero trabajando ya con una pequeña en general tabla - buscando regularidades relativas, y es posible idear algo más. Y en esta fase CatBoost ya puede digerir datos con alegría, como solución intermedia. Es posible sacar de ahí hojas y reglas, pero suelen ser débiles ahí.
¿Hay alguna herramienta en su enfoque para tener en cuenta la invariancia de los datos?
https://en.wikipedia.org/wiki/Affine_transformation¿Hay alguna herramienta en su enfoque para tener en cuenta la invariancia de los datos?
https:// en.wikipedia.org/wiki/Affine_transformationTal vez sea relevante para múltiples puntos, por ejemplo para encontrar patrones similares, pero en mi caso hay esencialmente un punto en la primera etapa. El punto se convierte/normaliza en diferentes sistemas de medida relativos: escala temporal y precio, además de un tercer espacio: cualquier predictor discreto que describa continuamente el mercado. Se obtienen 3 dimensiones en la representación inicial. Cada una tiene su propia tabla cuántica.
¡Me alegro de que el tema esté en el top!
Cuantos más adeptos tenga, más me lanzaré)))))
Quizás sea relevante para múltiples puntos, por ejemplo para encontrar patrones similares, pero en mi caso hay esencialmente un punto en la primera etapa. El punto se convierte/normaliza en diferentes sistemas de medida relativos - escala temporal y precio, más un tercer espacio - cualquier predictor discreto que describa continuamente el mercado. Se obtienen 3 dimensiones en la representación inicial. Cada una tiene su propia tabla cuántica.