L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1263
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
Régression roulante, qui bat le même ARIMA
On ne peut pas tout apprendre, et toutes les méthodes du ministère de la Défense sont à peu près égales. Vous pouvez trouver quelque chose de convenable dans presque chacun d'entre eux, et ensuite vous pouvez essayer les autres. Mais si, par exemple, les méthodes bayésienne et NS ne donnent pas de résultats, ce n'est qu'une perte de temps d'essayer les autres. Tout peut être fait plus tard, si nécessaire.
On ne peut pas tout apprendre, et toutes les méthodes du ministère de la Défense sont à peu près égales. Vous pouvez trouver quelque chose de convenable dans presque chacun d'entre eux, et ensuite vous pouvez essayer les autres. Mais si, par exemple, les méthodes bayésienne et NS ne donnent pas de résultats, ce n'est qu'une perte de temps d'essayer les autres. Tout cela peut être fait plus tard.
Eh bien, ils fonctionnent très bien ensemble, juste une question de réalisation.) Échantillonner des exemples via MCMC, les enseigner en NS est la meilleure façon de procéder.
pour choisir un actif ou un groupe d'actifs à cette fin, la régression peut être utile par le biais de MCMC.Ce qui est intéressant ici, ce sont les problèmes de variation et Theano.
J'ai toujours l'intention d'utiliser des méthodes variationnelles pour régler le système, mais je n'ai pas encore trouvé les approches nécessaires.
Je recherche la même chose :)
Eh bien, ensemble ils le font, c'est juste une question de mise en œuvre ;) Exemples de Nasample via MCMC, d'enseigner sur cette NS - en général, je n'ai pas trouvé de meilleure façon
Eh bien, ce n'est pas le MoD, donc ce n'est pas ensemble non plus). Pour Carla et les libs ne sont pas nécessaires).
Ce n'est donc pas le MoD, et donc ce n'est pas ensemble). Pas besoin de Carla et de Lib.)
Eh bien, je suis toujours en train de flotter sur la façon de mettre tout ça ensemble. La recherche banale de variantes produit des résultats, pourquoi ils sont bons ou moins bons dans un cas ou un autre, c'est difficile à comprendre.
Je vais devoir le visualiser avec des librairies similaires - voir.
Je nage encore dans l'idée de mettre tout ça ensemble. Les résultats sont obtenus par une énumération triviale de variantes, mais il est difficile de comprendre pourquoi elles sont bonnes ou moins bonnes dans tel ou tel cas.
Eh bien, nous nageons tous. Seulement je change rarement d'option, et plutôt sur le canapé, soit en lisant (une tablette est une bonne chose), soit en réfléchissant - que faire). Avant de le faire, ce serait bien d'avoir tout dans ma tête au préalable, et puis comment...
Les comparaisons montrent qu'il n'y a pas beaucoup de différence... la forêt est un classique. Dans alglib il est parfaitement présent nativement dans mt5. J'aimerais pouvoir passer à une version plus récente, mais j'ai des difficultés à le faire.
Vous pouvez, bien sûr, connecter un dll, mais alors comment rendre les gens heureux ?Si je ne me trompe pas, la seule différence est la vitesse d'apprentissage. Sinon, il devrait se recycler de la même manière. Au moins, la description n'a pas changé et les limitations de profondeur, d'erreurs, etc. n'ont pas été ajoutées.
Et la forêt est l'une des méthodes d'apprentissage les plus rapides, surtout par rapport à la NS.
Et la forêt est l'une des méthodes d'apprentissage les plus rapides, surtout par rapport à NS.
Oui, mais la classification des forêts est également très particulière. NS ou Bayes est plus proche de la logique floue, et oui à la généralisation des données.
Si je ne me trompe pas, la seule différence est la vitesse d'apprentissage. Sinon, il devrait toujours se recycler de la même manière. Au moins, la description n'a pas changé et aucune limite de profondeur, erreur, etc. n'a été ajoutée.
Et la forêt est l'une des méthodes d'apprentissage les plus rapides, surtout par rapport à la NS.
la vitesse d'apprentissage est bonne, le temps de réponse lors de l'utilisation et le temps de téléchargement de la structure sont mauvais, car les fichiers de la forêt sont volumineux. J'ai eu jusqu'à 300 mb.
Il y a un problème avec la sérialisation. La forêt est formée et sauvegardée plus rapidement qu'elle n'est rechargée à partir du fichier.
S'il est dit que la forêt génère maintenant des fichiers plus petits de plusieurs ordres de grandeur, c'est une très grande accélération.
Le NS, au contraire, prend plus de temps à apprendre, mais la réponse est instantanée. Il n'y a pas de différence dans la qualité de la classification. Vous pouvez utiliser n'importe quoi, mais les bois fonctionnent hors de la boîte et le NS doit être ajusté.