L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1623
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
Y a-t-il un contrôleur de compte ?
Non, les échanges ne font que commencer et ils n'ont même pas encore commencé car la machine complète est en train d'être testée pour sa fiabilité. En fait, en raison du fait que les contrats à terme se terminent aujourd'hui, la dernière semaine ou les deux dernières semaines, la cotation fonctionne de manière purement technique et tout système commence à fonctionner, même si c'est le cas. Demain, nous passons à un nouveau futur. Au début de la citation, les choses vont toujours mal, nous allons y voir...
Je vois, je suis dans le test aussi, mais ça prend trop de temps ;))). Pas d'images de flèches pour le moment, il n'y a que celle-ci (profit en pips).
Bien sûr, cela peut être juste une coïncidence)).
Ce n'est pas comme ça...
Un modèle (un réseau neuronal) ne donne pas le bon résultat. Il peut apprendre quelque chose, mais ce n'est pas suffisant. C'est pourquoi je fais 20-25 modèles avec différentes entrées. Maintenant, j'ai 25 modèles qui émettent des signaux en même temps, et leurs opinions sont prises en compte avec un certain poids dans la prévision finale. Le calcul d'un modèle prend environ 0,5-0,7 seconde, soit un total de 15-20 secondes + vous devez encore préparer la date d'entrée pour 25 modèles, ce qui représente beaucoup de travail pour chaque minute ;)) La réponse peut être réduite à 1-3 secondes si j'utilise correctement le multithreading dans python, mais je ne l'ai pas encore fait.
J'entraîne les modèles séparément, en mode normal, c'est-à-dire que l'ensemble des données est collecté sur une période d'un an, puis l'entraînement se fait comme d'habitude.
Quel est l'objectif ?
Ce n'est pas comme ça...
Un modèle (un réseau neuronal) ne donne pas le bon résultat. Il peut apprendre quelque chose, mais ce n'est pas suffisant. C'est pourquoi je fais 20-25 modèles avec différentes entrées. Maintenant, j'ai 25 modèles qui émettent des signaux en même temps, et leurs opinions sont prises en compte avec un certain poids dans la prévision finale. Le calcul d'un modèle prend environ 0,5-0,7 seconde, soit un total de 15-20 secondes + vous devez encore préparer la date d'entrée pour 25 modèles, ce qui représente beaucoup de travail pour chaque minute ;)) La réponse peut être réduite à 1-3 secondes si j'utilise correctement le multithreading dans python, mais je ne l'ai pas encore fait.
J'entraîne les modèles séparément, en mode normal, c'est-à-dire que l'ensemble des données est collecté sur une période d'un an, puis l'entraînement se fait comme d'habitude.
On a l'impression de former un modèle chaque minute. Il faut généralement un millième de seconde à un modèle entraîné pour produire un résultat.
Quel est l'objectif ?
pas de cible, tous égaux
Que voulez-vous dire ? Je veux dire qu'est-ce que Y ?
Ce n'est pas comme ça...
Un seul modèle (un réseau neuronal) ne vous donne pas les résultats dont vous avez besoin. Cela peut permettre d'apprendre quelque chose, mais ce n'est pas suffisant. C'est pourquoi je fais 20-25 modèles avec différentes entrées. Maintenant, j'ai 25 modèles qui émettent des signaux en même temps, et leurs opinions sont prises en compte avec un certain poids dans la prévision finale. Le calcul d'un modèle prend environ 0,5-0,7 seconde, soit un total de 15-20 secondes + vous devez encore préparer la date d'entrée pour 25 modèles, ce qui représente beaucoup de travail pour chaque minute ;)) La réponse peut être réduite à 1-3 secondes si j'utilise correctement le multithreading dans python, mais je ne l'ai pas encore fait.
J'entraîne les modèles séparément, en mode normal, c'est-à-dire que l'ensemble des données est collecté sur une période d'un an, puis l'entraînement se fait comme d'habitude.
Hmm, "0.5-0.7 secondes de calcul" est un peu beaucoup pour MLP, peut-être que vous enseignez et ensuite calculez, sur de petits ensembles de données avec une fenêtre glissante ?
Prenons les choses dans l'ordre :
1. Quelles sont les données brutes (ticker(s), période) ?
2 Quelle est la taille de l'ensemble de données de formation (1k, 10k, 100k...) ?
3 Quel type de caractéristiques
4 Quels sont les objectifs
5 Quel type de grille
assez pour commencer...
Hmm, "0.5-0.7 secondes de calcul" est un peu beaucoup pour MLP, peut-être que vous enseignez et ensuite calculez, sur de petits ensembles de données avec une fenêtre glissante ?
Allons-y dans l'ordre :
1 Quelles sont les données brutes (ticker(s), période) ?
2 Quelle est la taille de l'ensemble de données de formation (1k, 10k, 100k...) ?
3 Quel type de caractéristiques
4 Quels sont les objectifs
5 Quel type de grille
est suffisant pour commencer...
Et vous devriez également faire briller la lampe dans vos yeux ;))