L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 722
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Pensez-vous qu'il y ait des perspectives d'automatisation :
Sergey, bien sûr !
Et ensuite, le testeur montrera les perspectives de cet indicateur.
Le freelancing peut aider, mais n'oubliez pas le code source dans les termes de référence.
Je l'ai bien reconnu, mais je n'arrive pas à trouver le bon point d'entrée. Je veux apprendre au réseau à reconnaître non pas l'apparition d'une bougie, mais le moment réel de l'entrée sans chute. Mes arrêts provoquent la chute de tout.
Je ne peux pas écrire une telle condition. Peut-être que quelqu'un me dira comment faire ?
Je ne peux pas le tester dans le testeur, car il n'y fonctionne pas en raison de l'intégration avec la neuronique. Il est écrit en python et les informations sont échangées par le biais du fichier et le testeur ne crée pas ce fichier.
Il existe des modèles GARCH. Nous savons d'après eux qu'un repli de la hausse des prix est plus probable qu'une poursuite de la hausse des prix. Vous confirmez cette vérité.
Les conseilsdu Dr Trader ne sont pas simples.
Un nouveau livre sur l'apprentissage profond est sorti en russe :
Goodfellow J., Bengio I., Courville A.L'apprentissage profond est un type d'apprentissage automatique qui permet aux ordinateurs d'apprendre par l'expérience et de comprendre le monde en fonction d'une hiérarchie de concepts. Le livre contient
les fondements mathématiques et conceptuels de l'algèbre linéaire, de la théorie des probabilités et de la théorie de l'information
, du calcul numérique et de l'apprentissage automatique dans la mesure nécessaire
pour comprendre le matériel. Les techniques d'apprentissage profond utilisées dans la pratique
sont décrites, notamment les réseaux profonds à propagation directe, la régularisation, les algorithmes d'optimisation
, les réseaux convolutifs, la modélisation des séquences, etc.
Des applications telles que le traitement du langage naturel, la reconnaissance vocale, la vision par ordinateur
, les systèmes de recommandation en ligne, la bioinformatique et les jeux vidéo sont couvertes.
La publication s'adresse aux étudiants de premier cycle et de troisième cycle ainsi qu'aux programmeurs expérimentés
qui souhaitent appliquer l'apprentissage profond dans le cadre de leurs produits ou plateformes.
UDC 004.85
LIBC 32.971.3
Lien de rutracker peut jeter dans le personnel. Le livre est exceptionnellement intéressant.
Bonne chance
Un nouveau livre sur l'apprentissage profond est sorti en russe :
Goodfellow J., Bengio I., Courville A.L'apprentissage profond est un type d'apprentissage automatique qui permet aux ordinateurs d'apprendre par l'expérience et de comprendre le monde en fonction d'une hiérarchie de concepts. Le livre contient
les fondements mathématiques et conceptuels de l'algèbre linéaire, de la théorie des probabilités et de la théorie de l'information
, du calcul numérique et de l'apprentissage automatique dans la mesure nécessaire
pour comprendre le matériel. Les techniques d'apprentissage profond utilisées dans la pratique
sont décrites, notamment les réseaux profonds à propagation directe, la régularisation, les algorithmes d'optimisation
, les réseaux convolutifs, la modélisation des séquences, etc.
Des applications telles que le traitement du langage naturel, la reconnaissance vocale, la vision par ordinateur
, les systèmes de recommandation en ligne, la bioinformatique et les jeux vidéo sont couvertes.
La publication s'adresse aux étudiants de premier cycle et de troisième cycle ainsi qu'aux programmeurs expérimentés
qui souhaitent appliquer l'apprentissage profond dans le cadre de leurs produits ou plateformes.
UDC 004.85
LIBC 32.971.3
Lien de rutracker peut jeter dans le personnel. Le livre est exceptionnellement intéressant.
Bonne chance
Il n'y a pas de séries non stationnaires générées par des processus indéterminés parmi la liste des applications.
Existe-t-il une justification de la possibilité d'appliquer les réseaux profonds aux séries financières ?
J'ai trouvé un lien vers quelque chose en rapport avec ce livre -http://www.filedropper.com/--2018.
(le lien et le site web ne sont pas de moi)
Il n'y a pas de séries non stationnaires générées par des processus incertains parmi la liste des applications.
Existe-t-il une justification quelconque de la possibilité d'appliquer les réseaux profonds aux séries financières ?
Pourquoi avez-vous besoin de la justification de quelqu'un d'autre ? Vous créez des prédicteurs, construisez un modèle, faites des essais et tirez vos propres conclusions. S'il est possible/raisonnable d'appliquer le modèle à vos prédicteurs.
Je ne fais que de la classification. D'après mon expérience, les réseaux neuronaux (et pas seulement les réseaux profonds) sont très performants dans ce domaine. Jetez un coup d'œil au dernier article sur les ensembles. Les résultats sont très bons et la marge d'amélioration est considérable.
Bonne chance
Il n'y a pas de séries non stationnaires générées par des processus incertains parmi la liste des applications.
Existe-t-il une justification quelconque de la possibilité d'appliquer les réseaux profonds aux séries financières ?
Ce n'est pas un trader. Il est grand temps de comprendre, il n'y a personne à qui demander :)
Il n'est pas un trader. Il est grand temps de comprendre, il n'y a personne à qui demander :)
Qu'est-ce que ça peut faire qu'il soit un commerçant ou non ? Il est en plein dans le vif du sujet.
Qu'est-ce que ça peut faire qu'il soit un commerçant ou non ? Il a raison sur le fond de la question.
Il n'a pas répondu à l'essence de la question, et la question était fondamentale.
Ce n'est pas le cas, c'est le moins que l'on puisse dire - la formation avec un professeur n'est en principe pas adaptée au travail avec des processus non stationnaires, c'est écrit dans tous les livres. D'où tout ce satanisme des données et cet acharnement sur la stationnarité, la normalisation, etc.
Non pas que je décourage qui que ce soit de faire quoi que ce soit, mais parfois il est utile de le dire plusieurs fois pour que les gens l'aient en mémoire dans leur subcortex.
Il n'a pas répondu à l'essence de la question, et la question était une pierre angulaire.
Si ce n'est plus - la formation avec un professeur n'est en principe pas adaptée pour travailler avec des processus non stationnaires, c'est écrit à ce sujet dans tous les livres. D'où tout ce satanisme des données et cette incantation sur la stationnarité, la normalisation, etc.
Où est-il écrit que l'enseignement avec un professeur exige la stationnarité ?
Ce que vous appelez kamlanie, il est prouvé à plusieurs reprises, des montagnes de publications, mais sur la formation sans un professeur pour le commerce il n'y a rien du tout.