L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2404

 
Aleksey Nikolayev:

Par exemple, un simple réentraînement de modèle où un nouvel exemple est ajouté et les exemples obsolètes éliminés.

La présentation de Vorontsov comme illustration de l'idée de l'approche.

 
Aleksey Nikolayev:

La présentation de Vorontsov comme illustration de l'idée de l'approche.

Optimisation d'un expert à la volée grâce à l'apprentissage automatique : régression logit

Грокаем "память" рынка через дифференцирование и энтропийный анализ
Грокаем "память" рынка через дифференцирование и энтропийный анализ
  • www.mql5.com
Область применения дробного дифференцирования достаточно широка. Например, алгоритмы машинного обучения, обычно, принимают дифференцированный ряд на вход. Проблема в том, что необходимо вывести новые данные в соответствии с имеющейся историей, чтобы модель машинного обучения смогла распознать их. В данной статье рассматривается оригинальный подход к дифференцированию временного ряда, в дополнении к этому приводится пример самооптимизирующейся ТС на основе полученного дифференцированного ряда.
 

Ou toutes sortes de bandits manchots et d'apprentissage par renforcement des séries temporelles qui mettent à jour les états au fil du temps.

ne fonctionne pas sur le marché, mais tu t'accroches.

 
Maxim Dmitrievsky:

Ou toutes sortes de bandits manchots et d'apprentissage par renforcement des séries temporelles qui mettent à jour les états au fil du temps.

ne fonctionne pas sur le marché, mais tu t'accroches.

Il existe toutes sortes de choses, dont la détection des points de changement.

Il n'est pas difficile de trouver quelque chose qui ne fonctionne pas sur le marché - il est difficile de trouver quelque chose qui fonctionne).

 
Aleksey Nikolayev:

Eh bien, il y a toutes sortes de choses là-dedans, y compris la détection des points de changement.

Tout ce qui ne fonctionne pas sur le marché n'est pas difficile à trouver - il est difficile de trouver tout ce qui fonctionne).

Huh,

tout ce qui est

il n'y a qu'une seule option

;)

 
Maxim Dmitrievsky:

l'apprentissage par renforcement pour les séries temporelles qui actualisent les états au fil du temps sur le marché ne fonctionne pas

quelles sont les méthodes les plus prometteuses en MO ?

 
Evgeni Gavrilovi:

alors, quelles sont les méthodes les plus prometteuses en matière de MdD ?

Selon les tâches à accomplir, je pense qu'il s'agit d'une approche générative et contextuelle, en général.

ils sont en constante évolution, on ne sait jamais ce qui va se passer.
 
AHAHAHH....
J'ai décidé de reconnaître des images avec la méthode stochastique, quelle méthode MO serait la plus prometteuse ? )))))
 
Aleksey Nikolayev:

Eh bien, il y a toutes sortes de choses là-dedans, y compris la détection des points de changement.

C'est quelque chose comme ce qui est décrit dans cet article (l'article lui-même n'est pas très utile).

 
Aleksey Nikolayev:

C'est-à-dire quelque chose comme ce qui est décrit dans cet article (l'article lui-même n'est pas particulièrement utile).

l'idée est généralement correcte, mais elle ne nécessite pas nécessairement une formation en ligne dans la vie réelle, elle ne peut être réalisée qu'au stade de la formation de base/du recyclage et ensuite utilisée telle quelle

Raison: