L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 923
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 examiner vos données pour l'entraînement du modèle maintenant, pour m'entraîner à rechercher les paramètres de l'arbre. Mais je n'ai pas pu trouver les fichiers, ils se sont perdus dans une vingtaine de pages. Les afficher à nouveau ici, s'il vous plaît ?
Je voulais examiner vos données pour l'entraînement du modèle maintenant, pour m'entraîner à rechercher les paramètres de l'arbre. Mais je n'ai pas pu trouver les fichiers, ils se sont perdus dans une vingtaine de pages. Pouvez-vous les joindre à nouveau ici, s'il vous plaît ?
Bien sûr, vous pouvez, mais je dois le faire en plusieurs parties (problèmes de serveur), Jeu de filtres - détecter où aucun achat/vente n'est autorisé, Jeu de MaloVhodov - entrées de tendance pour un profit décent, Jeu de MnogoVhodov - toutes les entrées sauf celles de perte.
Je n'ai pas réussi à apprendre à l'arbre à travailler en dehors de l'échantillon. Parmi les prédicteurs qui ont affecté en toute sécurité l'ensemble MaloVhodov - cible -1, j'ai distingué les suivants :
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
Cela peut être utile pour l'article de Vladimir. Pour les tâches continues, tout ce qui précède le DDPG n'est pas pertinent, car il existe des méthodes tabulaires pour un nombre limité d'états/transitions.
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 peut être utile pour l'article. Tout ce qui précède le DDPG n'est pas pertinent pour l'article, puisqu'il existe des méthodes tabulaires pour un nombre limité d'états/transitions.
Merci. Je vais finir avec les ensembles (un autre article) et me préparer pour RL.
Bonne chance
Preuve :
Après la formation, nous avons un tel tableau : (à partir de 04.01 OOS)
L'agent 7 surligné en jaune a les plus petites erreurs. Laissons tomber tout le monde sauf lui et voyons :
Le résultat s'est amélioré.
Cool ! Maintenant (un jour ou deux ? plus tôt ? comme ça va...) je vais finir une idée et arriver à ton article !
Cool ! Maintenant (un jour ou deux ? plus tôt ? selon le cas...) je vais terminer une idée et passer à ton article !
Ce serait bien, car les gens à qui j'ai parlé n'ont pas proposé d'idées, ils ont juste utilisé ce qu'on leur a donné.
et le brainstorming est toujours utile
Apprenez à Max à inverser les signaux TS :)
Parce que sa livre est strictement en moins, alors que le commerce au contraire serait en plus.
je comprends - NS est un TS de sur-échantillonnage
Mais de toute façon, le courtier en devises sait à l'avance où le TS sera acheté et où il sera vendu.
Donc tout se passe comme prévu et il est inutile de flipper ou de ne pas flipper.
Cependant, la cotation sait a priori où le TS sera acheté et où il sera vendu.