L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 787
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
Je voulais en discuter avec quelqu'un, mais personne, à part le magicien, n'en sait rien, alors je vais en discuter avec moi-même.
:)))))))))))) C'est surtout les enfants par ici, Maxim. Et vous ne devriez pas vous disputer avec Koldun - vous devriez lire attentivement ce qu'il écrit. Au fait, j'aime bien mes opus effrénés :)))))))
:)))))))))))) C'est surtout les enfants par ici, Maxim. Et vous ne devriez pas vous disputer avec Koldun - vous devriez lire attentivement ce qu'il écrit. Ainsi que mes opus rampants :)))))))
Tu te débrouilles bien, Alexandre, mais je n'ai pas compris la moitié de ce que tu as dit, donc je ne peux encore rien dire à ce sujet :) Et je comprends mal les distributions, comment les comparer et les transformer, etc.
Je vais y réfléchir plus tard
RL est un modèle avec un enseignant, mais vous ne l'enseignez pas, et les sorties sont sélectionnées aléatoirement puis mises à jour (c'est ce qu'on appelle l'apprentissage par renforcement).
qu'est-ce que je suis supposé réfuter ? le surentraînement peut être dans les deux sens, selon le degré d'information des traits.
vous semblez être des gens intelligents, mais vous écrivez des bêtises, toutes les mêmes choses pour 100 raisons
Je voulais juste discuter de cette méthode avec quelqu'un, mais à part l'Assistant, personne n'en sait rien.
C'est un processus de réapprentissage.
Je comprends bien que le problème du recyclage est le même pour tous les modèles et qu'il s'agit d'un problème distinct et indépendant.
1. Les modèles avec renforcement résolvent-ils le problème de l'enseignant lui-même, en automatisant en quelque sorte le processus ?
2. Les modèles avec renforcement ne créent-ils pas des problèmes supplémentaires dans le domaine du sur-apprentissage ? Au moins du fait que l'enseignant est également adapté à la région ?
Je comprends bien que le problème du recyclage est le même pour tous les modèles et qu'il est distinct et autonome.
1. Les modèles avec renforcement résolvent-ils le problème de l'enseignant lui-même, en automatisant en quelque sorte le processus ?
2. Les modèles avec renforcement ne créent-ils pas des problèmes supplémentaires dans le domaine du sur-apprentissage ? Au moins du fait que l'enseignant est également associé à l'intrigue ?
Je pense que l'auto-renforcement
1. oui
2. peut créer des malentendus car les étiquettes de sortie changeront constamment au fur et à mesure de l'apprentissage et de l'appariement. Mais il est possible d'analyser la dynamique des changements d'étiquettes et de trouver les ensembles les moins adaptés.
Tu te débrouilles bien, Alexander, mais je n'en comprends pas la moitié, donc je ne peux pas encore en parler :) et je ne comprends pas vraiment les distributions, comment les comparer, les transformer, etc. Je ne l'ai jamais fait
Je m'en occuperai plus tard.
80% d'entrées correctes...
Vous savez, c'est une question d'opinion.
Je pense personnellement que 100% n'est pas suffisant. Plus précisément, une telle estimation du CT n'est pas du tout applicable par essence.
TS doit trader de la manière suivante : toute entrée - acheter/vendre et toujours faire des bénéfices !
Tu te débrouilles bien, Alexander, mais je n'en comprends pas la moitié, donc je ne peux pas encore en parler :) et je ne comprends pas vraiment les distributions, comment les comparer, les transformer, etc. Je ne l'ai jamais fait
Je m'en occuperai plus tard.
Il n'y a pas grand-chose à lire. Au contraire, je lis ce fil de discussion - en attendant une percée dans la recherche du graal neuronal. Et je suis sûr que ça va arriver bientôt. Sérieusement. Et je peux même deviner le nom de la personne qui va littéralement nous époustoufler avec ses résultats. Mais je ne le dirai pas. Qu'il y ait de l'intrigue.
Il n'y a pas grand-chose à lire. Au contraire, je lis ce fil de discussion - en attendant une percée dans la recherche du graal neuronal. Et je suis sûr que ça arrivera bientôt. Sérieusement. Et je peux même deviner le nom de la personne qui va littéralement nous époustoufler avec ses résultats. Mais je ne le dirai pas. Qu'il y ait de l'intrigue.
Tant qu'il n'est pas silencieux et qu'il ne s'enfuit pas avec des sacs pleins de trucs du forum :)
L'essentiel est qu'il ne se taise pas ensuite et qu'il ne s'enfuie pas avec des sacs pleins d'entre eux sur le forum :)
Ça, c'est sûr !
Je crois que les indépendants
1. oui
2. peut créer des malentendus, car les étiquettes de sortie changeront constamment pendant la formation et leur adaptation. Mais il est possible d'analyser la dynamique des étiquettes et de trouver les ensembles les moins adaptés.
le moyen le plus simple est l'arrêt précoce, le préapprentissage. Tout est identique à l'apprentissage normal assisté par un enseignant.
Ce n'est pas ce qui sera dans X barres qui importe, mais ce qui était dans 10 barres, c'est-à-dire que si X pips ont été atteints dans 10 barres, alors nous ouvrons.
Mihail Marchukajtes:
Vous êtes confus avec votre pouce. Désolé pour ça. Je vous demande sincèrement d'exprimer de manière adéquate vos pensées et vos arguments contre, le cas échéant. Vous avez tout à fait raison, nous allons revenir 10 mesures en arrière pour obtenir la prévision 10 mesures plus tard. C'est ainsi que tous les TS-NS sont généralement construits.
Nous construisons d'abord la prévision. Nous obtenons sa valeur, puis nous décidons des actions à entreprendre à cette valeur ou à celle.....
Aleksey a raison. La prédiction de la 5e barre peut donner +100pts et la 10e - 0pts. Nous allons finir par manquer un échange. Ou la prévision de la 10ème barre peut vous montrer +100pts. Mais sur la 5ème barre nous pourrions voir -100 pts et vous aurez un stop loss. Vous devez prévoir toutes les barres de 1 à 10.
L'inconvénient est la complexité croissante du réseau, car il y a plus de sorties et, par conséquent, le calcul prend plus de temps. Nous devrions également doubler le nombre de neurones dans les couches cachées...
Lisez le blog de Topkstarter - il y a aussi de la régression et beaucoup d'idées intelligentes.