L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2210

 
Maxim Dmitrievsky:
C'est une conversation ouverte. Chaque cas est unique. La réponse simple consiste à "enseigner" à l'envers et à comparer.

Tourner une rangée, c'est à peu près comme faire couler l'eau vers le haut. Vous pouvez essayer, mais intuitivement, je n'ai pas encore réussi à le comprendre.

 
fxsaber:

Tourner une rangée, c'est à peu près comme faire couler l'eau vers le haut. Vous pouvez essayer, mais intuitivement, je n'ai pas encore réussi à le comprendre.

Pas le rang, mais le stagiaire et l'échange d'oos.
 
Maxim Dmitrievsky:
Pas une rangée, mais un trein et oos

Vous ne pouvez pas faire ça, car les 2 ans à droite poussent sur n'importe quel fumier.

C'est un peu comme trouver un modèle aux Seychelles qui nécessite une doudoune en cas de glaciation.

 
fxsaber:

Cela ne peut pas être fait car les enfants de 2 ans à droite germent sur n'importe quel fumier.

C'est un peu comme trouver un modèle aux Seychelles de nécessité d'une doudoune en cas de glaciation.

Ce n'est donc pas un modèle général, mais un modèle local qui a été trouvé. Ensuite, changez les paramètres, prenez-le pour travailler dans les deux sens.
 
Maxim Dmitrievsky:
Il ne s'agit donc pas d'un modèle général, mais d'un modèle local. Je dois alors modifier les paramètres pour que cela fonctionne dans les deux sens.

Merci, je vais y réfléchir. Apparemment, ce n'est pas une situation typique.

 
fxsaber:

Merci, je vais y réfléchir. Ce n'est pas une situation typique, apparemment.

Que pouvons-nous faire si nous ne savons rien de la population générale ? Seulement pour se montrer de différentes manières, selon la nature du CT. En MO, ces problèmes sont moins fréquents car il est possible de mélanger tous les échantillons. En mélangeant d'autres échantillons, il n'y a pas de sur-apprentissage sur une tranche particulière. Conventionnellement, prenez un mois de chaque année, entraînez-vous sur eux. Le reste est OOS.
 
fxsaber:

Le problème est d'identifier cet ensemble. Ensuite, bien sûr, nous trouvons la puissance du sous-ensemble profitable de paramètres. Et si elle est grande par rapport à l'ensemble original, nous l'avons trouvée.

Mais pour déterminer l'ensemble initial - il doit y avoir une sorte de génétique. Pas dans le sujet, en général.

Approche logique classique - décomposer les paramètres par importance et puissance d'impact (classes comme), et les combinaisons comme si par logique significatif et fort. significatif et faible, non significatif et fort, non significatif et faible. C'est si 2 classes de paramètres, si plus puis géométrique ou pire avec la dimensionnalité de nombre et de valeur exposant ) malédiction . guérir par un choix intelligent.

 
Maxim Dmitrievsky:

J'ai découvert comment former un réseau neuronal "minimal" à partir de presque n'importe quel logiciel conçu pour la classification ou la régression.

L'essentiel est que le paquet vous permette d'accéder aux poids du réseau neuronal et de les modifier.


La recette est la suivante.

1) former le réseau neuronal, peu importe, l'essentiel est d'obtenir un modèle avec des poids

2) choisir la méthode d'optimisation (génétique, muravi, essaimage, simulation de recuit, etc.)

3) écrire une fonction de fitness

4) prendre les poids du neurone et les représenter comme paramètres pour l'optimisation

tous ! !! )))

Vous pouvez entraîner neuronka pour faire du profit, ou lui faire créer une sorte de méga indicateur ou autre.

 
mytarmailS:

J'ai découvert comment former un neurone "minimum" à partir de presque n'importe quel logiciel conçu pour la classification ou la régression.

L'essentiel est que le paquet vous permette d'accéder aux échelles neuronales et de les modifier.


La recette est la suivante.

1) former le réseau neuronal, peu importe, l'essentiel est d'obtenir un modèle avec des poids

2) choisir la méthode d'optimisation (génétique, muravi, essaimage, simulation de recuit, etc.)

3) écrire une fonction de fitness

4) prendre les poids du neurone et les représenter comme paramètres pour l'optimisation

tous ! !! )))

Vous pouvez entraîner le neuronka à faire des bénéfices, ou lui faire créer une sorte de méga indicateur ou autre.

mytarmailS : MytarmailS : MytarmailS : MytarmailS : MytarmailS : MytarmailS : MytarmailS : Vous pouvez entraîner un neurone à faire des profits, vous devez lui apprendre à ne pas perdre)))) mais il y a un problème : la grille arrête d'ouvrir des positions pour économiser le dépôt. je l'ai déjà essayé. j'ai utilisé différentes méthodes avec et sans arrêts, le résultat est le même, la grille finit par décider que la meilleure façon de faire des profits est d'économiser le dépôt.

 
Maxim Dmitrievsky:

le neurone de l'article est en train de tirer sur la vraie chose.


et comment ça se passe ?

Raison: