L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1336
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 ne comprends pas l'idée... réarrangez les tableaux dans votre esprit et tout ira bien.
Je le fais parce que je suis trop paresseux pour rembobiner les graphiques dans le testeur tout le temps, il n'y a aucune différence et c'est encore mieux, la formation est à jour au lieu d'il y a 3 ans
Pourquoi ? Intéressé non seulement par les enjeux mais aussi par le raisonnement.
Non, j'ai un processus de Markov, la solution ne dépend que de l'état actuel, il n'y a pas de planification lors de l'apprentissage comme dans le q-learning classique, par exemple
il n'y a rien à apprendre dans le testeur - passez directement au temps réel :)
mais si vous utilisez un testeur, alors faites tout en une seule passe
Le fait est que la relation entre les prix futurs et les prix actuels est logiquement déterminée par le fait que toutes les transactions sont planifiées sur la base des prix actuels qui, à leur tour, affectent les prix futurs, c'est-à-dire que la connexion argument-fonction va de gauche à droite et non l'inverse.
Il a des contrats à court terme, à en juger par le tableau. Rien ne changera d'un réarrangement. Mieux encore, en apprenant à partir des données les plus récentes, il y a une chance que le réel soit meilleur que lorsqu'on apprend longtemps avant le réel.
Je roule déjà un peu sur l'échange, je le sens...
Un développement unique de bots dotés d'intelligence artificielle qui vont conquérir non seulement le marché, mais le monde entier.
Les plans napoléoniens. Laissez-moi vous rappeler que Napoléon a fini à Sainte-Hélène.
Les plans napoléoniens. Rappelons que Napoléon a fini à Sainte-Hélène.
C'est une bicyclette pour vous, mais pour les autres, un SVM à noyau (à propos de "Reshetov's Vector Machine").
Je doute de"kernelized", sa sortie est linéaire, c'est juste un hyperplan, Je n'ai pas analysé en détail le code Java que Yury avait posté sur le cyber-forum avant de disparaître, mais un "graale-writer" que je connais a fait analyser ce code pour qu'un client le modifie et a dit qu'il y avait une sorte de recherche stochastique personnalisée des coefficients du modèle linéaire, une sorte de génétique ou d'ostracisme, le résultat était un vecteur de coefficients linéaires, en bref, une version plus avancée de ce chef-d'œuvre :
Conseiller expert AI pour MetaTrader 4
double perceptron()
{
double w1 = x1 - 100;
double w2 = x2 - 100;
double w3 = x3 - 100;
double w4 = x4 - 100;
double a1 = iAC(Symbol(), 0, 0);
double a2 = iAC(Symbol(), 0, 7);
double a3 = iAC(Symbol(), 0, 14);
double a4 = iAC(Symbol(), 0, 21);
return(w1 * a1 + w2 * a2 + w3 * a3 + w4 * a4);
}
Cependant, les coefficients ne sont pas recherchés par MT-optimizer mais par mon propre bricolage.
Peu de modèles ont été sélectionnés - la raison n'est pas claire - nous devons réfléchir.
Graphiques des modèles (je n'ai pas fait de photos à cause du petit nombre de modèles sélectionnés)
60%
70%
Ce que nous pouvons conclure ici - le taux d'échantillonnage s'est à nouveau avéré être supérieur à 30% (anciens échantillons 70% mais intervertis !). Les graphiques présentent à première vue plus de différences, mais toujours pas assez pour une exécution parallèle efficace, pour couvrir un pourcentage plus élevé de complétude (Recall).
Et voici comment combiner deux modèles de la dernière et avant-dernière expérience - mais j'ai augmenté la séparation à 0,55. Si l'un des modèles présente un signal, alors entrez sur le marché.