Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 923
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
Ahora quería ver sus datos para el entrenamiento del modelo, para practicar la búsqueda de los parámetros del árbol. Pero no pude encontrar los archivos, se perdieron en unas veinte páginas. ¿Publicarlas aquí de nuevo, por favor?
Ahora quería ver sus datos para el entrenamiento del modelo, para practicar la búsqueda de los parámetros del árbol. Pero no pude encontrar los archivos, se perdieron en unas veinte páginas. ¿Podría adjuntarlos aquí de nuevo, por favor?
Por supuesto que se puede, pero tengo que hacerlo por partes (fallos del servidor), Filter set - detectar donde no se permite comprar/vender, MaloVhodov set - entradas de tendencia para un beneficio decente, MnogoVhodov set - todas las entradas excepto las de pérdida.
No he podido enseñar al árbol a trabajar fuera de la muestra. De los predictores que afectaron con seguridad al conjunto MaloVhodov - objetivo -1 destaqué los siguientes:
arr_iDelta_H4
arr_iDelta_D1
arr_iDelta_MN1
arr_TimeH
arr_Den_Nedeli
arr_iDelta_Max_D1
arr_iDelta_Min_D1
arr_Regresor
arr_LastBarPeresekD_Down
arr_LastBarPeresekD_Up_M15
arr_LastBarPeresekD_Down_M15
arr_DonProc_M15
1.
https://towardsdatascience.com/introduction-to-various-reinforcement-learning-algorithms-i-q-learning-sarsa-dqn-ddpg-72a5e0cb6287
2.
https://towardsdatascience.com/introduction-to-various-reinforcement-learning-algorithms-part-ii-trpo-ppo-87f2c5919bb9
Puede ser útil para el artículo de Vladimir. Para las tareas continuas todo lo anterior a DDPG es irrelevante ya que existen métodos tabulares para un número limitado de estados/transiciones
1.
https://towardsdatascience.com/introduction-to-various-reinforcement-learning-algorithms-i-q-learning-sarsa-dqn-ddpg-72a5e0cb6287
2.
https://towardsdatascience.com/introduction-to-various-reinforcement-learning-algorithms-part-ii-trpo-ppo-87f2c5919bb9
Vladimir puede ser útil para el artículo. Todo lo anterior a DDPG es irrelevante para el artículo, ya que existen métodos tabulares para un número limitado de estados/transiciones
Gracias. Lo tengo en favoritos.Terminaré con los conjuntos (otro artículo) y me prepararé en RL
Buena suerte
Prueba:
Después de la formación tenemos una tabla de gráficos de este tipo: (desde el 04.01 OOS)
El agente 7, resaltado en amarillo, es el que presenta los menores errores. Dejemos a todos excepto a él y veamos:
El resultado ha mejorado.
¡Genial! ¡Ahora (¿un día o dos? ¿antes? como va...) terminaré una idea y me pondré con tu artículo!
¡Genial! ¡Ahora (¿un día o dos? ¿antes? según el caso...) terminaré una idea y me pondré con tu artículo!
Estaría bien, porque las personas con las que he hablado no han aportado ninguna idea, sólo han utilizado lo que les han dado
y el brainstorming siempre es útil
Enséñale a Max a dar la vuelta a sus señales de TS :)
Porque su libra está estrictamente en el menos, mientras que el comercio por el contrario estaría en el más.
entiendo - NS es un TS de supermuestreo
Pero de todos modos, el corredor de divisas sabe de antemano dónde se comprará TS y dónde se venderá
Así que todo va según lo previsto y es inútil voltear o no voltear.
Sin embargo, la cotización sigue sabiendo a priori dónde se comprará y dónde se venderá la ST