L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1210
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
Bon, d'accord, il vaut peut-être mieux passer directement à python ou à r... pour ne pas avoir à s'embêter avec les IO.
et vous ne pouvez pas sortir de MO de nos jours quand les vaisseaux naviguent à travers l'univers...
Tu ne peux pas échapper à Sharp pour Python. Il existe des versions spéciales de Python avec Sharpies mais il n'est pas certain qu'elles supportent tous les paquets Python.
VS 2017 prêt à l'emploi
La question porte sur les paquets. Il n'est pas encore certain que MS Python avec Sharp supporte tout. Je ne l'affirmerai pas, mais il y a des rumeurs à ce sujet.
Les résultats préliminaires (puisque je n'ai pas encore fait tous les prédicteurs) sur la création de modèles déterminant les modèles rentables (1) n'étaient pas si mauvais, voici la répartition par y - profit sur l'échantillonnage indépendant et par x - 1 - TP+FP et 0 - TN+FN.
L'objectif était un profit de 2000, il n'a pas été atteint jusqu'à présent, mais seulement 3 modèles sont entrés dans la zone de perte à partir de 960 ce qui n'est pas un mauvais résultat.
Le tableau de conjugaison
Le résultat financier moyen non classifié est de 1318.83, après classification 1 - 2221.04 et 0 - 1188.66, donc après classification le résultat financier moyen des modèles a augmenté de 68%, ce qui n'est pas mauvais.
Il reste cependant à voir si ce modèle peut fonctionner avec des modèles construits sur d'autres données.
Formation Logloss - étonnamment, l'échantillon de test (sur lequel le modèle est automatiquement échantillonné - pas l'échantillon de formation) et le Logloss_e indépendant (examen) convergent presque parfaitement.
Tout comme Recall.
Et la métrique de précision m'a surpris, puisque par défaut elle est habituellement utilisée pour la sélection du modèle, je n'ai eu aucun entraînement car elle a immédiatement été égale à 1 sur le premier arbre.
Mais les différentes métriques sur le test et l'examen - le résultat me surprend beaucoup - un très petit delta.
D'après les graphiques, il est clair que le modèle est surentraîné et qu'il aurait pu s'arrêter à 3500 arbres, ou même avant, mais je n'ai pas modifié le modèle et les données sont en fait avec les paramètres par défaut.
S'il vous plaît, parce que je suis trop paresseux pour lire 1200 pages, est-ce que quelqu'un ici a essayé d'implémenter l'apprentissage automatique basé sur les résultats de trading sur des EAs fermés ?
La réponse est : si l'un perd, l'autre prend, c'est une sorte d'évidence sans MO.
Chers utilisateurs du forum, pourriez-vous me dire, parce que je suis trop paresseux pour lire 1200 pages, si quelqu'un ici a essayé de mettre en œuvre l'apprentissage automatique basé sur les résultats de trading sur des EAs fermés ?
Je ne pense pas, en général si quelqu'un s'occupe sérieusement de ce genre de cas, il/elle a un site web séparé pour maintenir sa création ou la développe pour un usage personnel.
dans le passé, NeuroShell DayTrader pouvait transformer tout ce que vous lui donniez (votre historique de trading) en un système entraîné, puis le projet s'est tu, maintenant je ne sais pas, je n'ai rien vu de tel
Je ne pense pas, d'habitude si quelqu'un fait ça sérieusement, il/elle a un site web séparé pour soutenir sa création ou le fait pour un usage personnel.
NeuroShell DayTrader était capable de transformer tout ce que vous lui donniez (votre historique de transactions) en un système entraîné, puis le projet s'est tu, maintenant je ne sais pas, je n'ai rien vu de tel.