L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1006
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
Tout d'abord, vous devez définir ce que vous entendez par fractales : un indicateur, comme sur la photo, ou un modèle mathématique ?
Si c'est un indicateur, alors sur mcl4 vous pouvez mettre 100 barres à gauche et à droite, et ça comptera.
J'ai déjà écrit des exemples, bien sûr le modèle. Ce que vous avez sur la photo est une fractale de fumeur.
J'ai déjà écrit des exemples, bien sûr le modèle. Ce que vous avez dans l'image sont des fractales de fumeur
Eh bien, il y a des communautés entières qui construisent des lignes de tendance sur eux et font du commerce sur eux). Mais je l'ai essayé dans un testeur et je sais ce qu'il en est).
Ah. Oui, je me suis souvenu de quelque chose sur Almazov là).
Quel est le problème de l'automatisation d'un algorithme complexe comme l'arim ?
Ah. Oui, je me suis souvenu de quelque chose sur Almazov là).
Et quel est le problème de l'automatisation d'un algorithme complexe comme arim ?
Ce n'est pas clair ce qu'il faut automatiser... si ce sont des modèles ou des corrélations.
J'ai décidé d'essayer l'une des caractéristiques des fractales - l'autosimilarité en quelque sorte.
Je ne sais pas vraiment quoi automatiser... qu'il s'agisse de modèles ou de corrélations...
J'ai décidé d'essayer l'une des caractéristiques des fractales, l'autosimilarité, mais je ne pense pas que cela fonctionnera, mais je vais essayer.
Cela fait longtemps que je voulais poser une question. Supposons que j'ai un modèle de tête et d'épaules de 150 barres. Je dois trouver des modèles similaires, mais ils seront trouvés si le nombre de barres est presque le même dans le modèle lui-même et dans le modèle trouvé. Comment puis-je trouver le nombre exact de barres et sortir le nombre moyen de barres ou autre chose ?
Je voulais vous le demander depuis longtemps. Supposons que j'ai un modèle de tête et d'épaules de 150 barres. J'ai besoin de trouver des modèles similaires par historique, mais ils seront trouvés si le nombre de barres est presque le même dans le modèle lui-même et le modèle trouvé. Comment s'éloigner du nombre exact de barres, rechercher une barre fréquente et sortir la moyenne pour celle-ci ou autre chose ?
Je ne sais pas, changer le motif le plus grand au hasard et le reprendre plusieurs fois jusqu'à la taille requise.
ah, tu peux aussi le faire avec la convolution, mais je ne sais pas commentJe ne sais pas, on peut amincir un motif plus grand de façon aléatoire et ensuite le reprendre plusieurs fois à la taille requise, moment où la corrélation sera meilleure et le prendre comme une copie (si le nombre de barres n'est pas trop différent).
Ah, vous pouvez le faire avec la convolution, mais je ne sais pas comment...J'ai pensé qu'il serait possible de rassembler en plus une collection d'histoire et de comparer ensuite chaque modèle.
Je ne comprends pas, qui est ce Gramazeka1 qui se cache derrière mon nom. Qu'est-ce qui se passe sur ...... ????
Je plaisante, je suis tout ça... Я !!!!
Je suis sûr que beaucoup sont familiers avec le travail de Reshetov, mais personne n'a pleinement compris son concept. L'un des points de son travail consiste à s'en tenir à l'axiome de Shepley. Pour être franc, je dois admettre que je nage dedans moi-même, mais pour faire simple, la somme des coefficients de poids du polynôme du réseau est égale à un, ou moins un. La tâche de l'optimiseur est donc de trouver les coefficients du réseau, qui sont distribués dans les limites de 0 à 1. La longueur du polynôme n'a pas d'importance, il est important que la somme des coefficients soit égale à un et lorsque nous incluons dans la formation un signe non informatif, nous lui allouons une ressource de coefficients (la ressource est limitée de 0 à 1) en raison des coefficients du prédicteur informatif, ce qui le rend moins significatif. C'est pourquoi cet algorithme est exigeant pour le prétraitement des données. Mieux nous les nettoyons, meilleur sera le résultat de la formation et le fonctionnement du modèle sur l'AM en général. Pour autant que je sache, aucun des paquets et ensembles de réseaux de R n'utilise l'axiomatique de Shepley. D'où le résultat....
"Vous devriez d'abord apprendre à lire les livres, pas à les brûler" Je veux dire qu'aucun des représentants de ce fil n'a pris la peine d'aller dans l'essence de l'œuvre. Je l'ai regardé superficiellement et j'ai réussi à le jeter dans un tiroir du bureau....... IMHO !!!!!
c'est ça le problème... comment sont faites les conversions là-bas, des exemples ? Il y a des trucs de noyau à mon avis... et je me suis rendu compte que mon algorithme magique fait cruellement défaut.
Maintenant, j'ai pensé que je pourrais ajouter une collection d'histoires et ensuite vérifier chaque modèle, cela prendrait beaucoup de temps, mais cela compterait rapidement sur les marqueurs d'heure.
Ce qui est amusant, c'est que le motif peut tellement dériver que vous ne serez pas en mesure de dire s'il est similaire ou non... vous devrez effectuer des transformations affines pour chacun d'eux.
Et si le motif est floqué, alors tout ce qui suit est floqué aussi.
et il est assez facile de trouver la similitude à l'œil... C'est pourquoi je ne peux pas l'automatiser.
Misha, pourrions-nous jeter un coup d'œil à vos métiers ? Au diable le signal - mais montrez-moi quelques transactions réelles avec des commentaires.
Le plus drôle, c'est que le motif peut être tellement flottant qu'il n'y a aucun moyen de savoir s'il est similaire... il faut faire des transformations affines pour chacun d'entre eux.
et si le motif est floqué, alors tout ce qui suit est floqué aussi.
J'ai un tel cas.