L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2292
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
Faites une deuxième sortie du filet pour calculer le lot. Ou utilisez la confiance de la grille comme un multiplicateur de lot.
Les moyennes et les grilles ne sont pas toujours liées à la taille des lots.
il y a un bruit dans les incréments
Comment trouver des cycles de 24 périodes par incréments d'une période ?
Facile. Passer aux incréments est une différenciation. Le rapport entre les amplitudes et les fréquences change, mais elles ne vont nulle part. C'est encore mieux quand les cycles lents n'encombrent pas les cycles rapides, il n'est pas nécessaire de filtrer par des tirets.
il y a un bruit dans les incréments
Comment trouver des cycles de 24 périodes par incréments de 1 ?
fenêtre 48
Chers collègues,pouvez-vous me faire part de votre expérience?
Je me demande s'il est utile de contrôler les poids de la couche d'entrée (les entrées sont normalisées) pendant la formation ? Cela donne-t-il quelque chose de réaliste pour évaluer l'importance des intrants ?
J'utilise la bibliothèque de Dmitriy Gizlykpour mes expériences.
Je sais qu'en déchargeant les données dans R ou Python, je peux calculer toutes sortes de choses. Mais je ne les ai pas encore abordés, et il est commode que sa solution sur la carte vidéo soit presque "volante".
D'une manière générale, est-il judicieux de contrôler les poids des entrées pour des raisons de simplicité, ou dois-je en tout cas procéder d'abord à une analyse détaillée des entrées ?
Pour une analyse préliminaire des entrées, vous pouvez utiliser
vous pouvez estimer l'impact par des poids
Je vois, plus il y a de poids, plus il y a d'influence. Est-il possible d'obtenir plus d'informations ?
Par exemple pour comprendre que le problème n'a pas de meilleure solution, ou qu'il n'est pas convexe (si je ne confonds pas le terme). Peut-être que d'une manière ou d'une autre les poids iront à l'infini, ou qu'aux mêmes erreurs du réseau les poids peuvent changer différemment (c'est-à-dire à une entrée très petite, puis dans une autre approche de formation (en recommençant) au contraire très grande), etc.
En pratique, pour l'instant, je me débats avec une tâche où deux classes sont distribuées de manière asymétrique (l'une d'entre elles est à plus de 60 %) et où les grilles " s'épuisent " dans 100 % des cas en produisant une classe.
Je filtre les données d'entrée différemment et je récupère de nouvelles données. La question peut aider à filtrer les "mauvaises" entrées, quelles entrées doivent être écartées ou filtrées différemment.
Vous pouvez utiliser l'échafaudage pour l'analyse préliminaire des entrées.
Oui, je sais, je l'ai fait en R, j'ai la flemme de faire des allers-retours et des allers-retours longs. et algleib sur MT5 permet cela normalement sans aucun blocage ?
Mais j'ai pensé que peut-être une formation en er me dira si je dois regarder les poids des entrées.
Je vois, plus il y a de poids, plus il y a d'influence. Est-il possible d'obtenir plus d'informations ?
Par exemple pour comprendre que le problème n'a pas la meilleure solution, ou qu'il n'est pas convexe (si je ne confonds pas le terme). Peut-être que d'une manière ou d'une autre les poids iront à l'infini, ou peut-être qu'avec les mêmes erreurs de réseau les poids peuvent changer différemment (c'est-à-dire alors à une entrée particulière très petite et ensuite dans une autre approche d'entraînement (ayant recommencé) au contraire très grande), etc.
En pratique, pour l'instant, je me débats avec une tâche où deux classes sont distribuées de manière asymétrique (l'une d'entre elles est à plus de 60 %) et où les grilles " s'épuisent " dans 100 % des cas en produisant une classe.
Je filtre les données d'entrée de différentes manières et je récupère de nouvelles données. La question peut aider à filtrer les "mauvaises" données d'entrée, à déterminer quelles données d'entrée doivent être complètement écartées ou filtrées différemment.
il y a beaucoup de choses que vous pouvez faire. je ne peux pas vous dire le soda, car il y a des forfaits spéciaux.
Les classes doivent être équilibrées pour les NS. Ajoutez les exemples manquants
Oui, je sais, je l'ai fait en R, j'ai trop la flemme de faire des allers-retours et des longueurs. Mais est-ce que Alglib sur MT5 vous permet de le faire normalement sans aucun problème ?
Je préfère apprendre le python.
J' ai appris à utiliser Python :
Je suis toujours aux prises avec un problème où deux classes sont distribuées de manière asymétrique (l'une d'elles est supérieure à 60 %) et où les filets " s'épuisent " dans 100 % des cas avec une classe.
équilibrer les classes, ou refaire la métrique, ce qui donnerait plus de points à une classe rare
Facile. Passer aux incréments est une différenciation. Le rapport d'amplitude des fréquences change, mais elles ne vont nulle part. Mieux encore, les cycles lents n'encombrent pas les cycles rapides, vous n'avez pas à filtrer par mashups.
étrange alors pourquoi tu ne peux pas les trouver si c'est facile.
Alors pourquoi ne les avez-vous pas trouvés si c'est facile ?
tant que vous n'aurez pas expérimenté sur les ondes sinusoïdales, vous ne pourrez pas comprendre