L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2014
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
C'est une question pour tout le monde :
Je reçois également des paquets de signaux unidirectionnels du réseau. C'est à peu près la même chose qu'ici.
Parfois, je subis 100 ou même 200 pertes d'affilée. Il n'y a qu'une seule solution : négocier avec des lots microscopiques, comme 0,5 % du dépôt.
Qui a l'idée de ne pas négocier des centaines de signaux consécutifs ?
Traiter le premier et ensuite ne pas traiter jusqu'à ce que le premier soit fermé ? Il me semble que ce n'est pas la meilleure solution.
Quelles sont les options qui s'offrent à vous ?
Vous vous entraînez sur des données très bruyantes (signes - cible), par exemple sur des incréments, c'est pourquoi le signal est très bruyant. Vous pouvez essayer de lisser les signes et l'objectif, ou le signal final lui-même, afin de réduire le bruit dans le signal, mais cela n'aidera pas beaucoup et n'enlèvera aucun profit.
C'est une question pour tout le monde :
Je reçois également des paquets de signaux unidirectionnels du réseau. C'est à peu près la même chose qu'ici.
Parfois, je subis 100 ou même 200 pertes d'affilée. Il n'y a qu'une seule solution : négocier avec des lots microscopiques, comme 0,5 % du dépôt.
Qui a l'idée de ne pas négocier des centaines de signaux consécutifs ?
Traiter le premier et ensuite ne pas traiter jusqu'à ce que le premier soit fermé ? Il me semble que ce n'est pas la meilleure solution.
Quelles sont les options ?
L'ouverture est une logique, l'escorte et la fermeture en sont une autre. Je le préfère comme ça. Les arrêts sont des assurances. Sinon, oui, il est préférable d'ouvrir avec des stops pour limiter le nombre d'ordres ouverts.
C'est une question pour tout le monde :
Je reçois également des paquets de signaux unidirectionnels du réseau. C'est à peu près la même chose qu'ici.
Parfois, je subis 100 ou même 200 pertes d'affilée. Il n'y a qu'une seule solution : négocier avec des lots microscopiques, comme 0,5 % du dépôt.
Qui a l'idée de ne pas négocier des centaines de signaux consécutifs ?
Traiter le premier et ensuite ne pas traiter jusqu'à ce que le premier soit fermé ? Il me semble que ce n'est pas la meilleure solution.
Quelles sont les options ?
Pourquoi les échanger, c'est comme la roulette russe avec un pistolet de petit calibre :)
Le test a donné des résultats ?
Quoi de neuf, tu as réussi le test ?
Toujours la même chose... en début de semaine, ça marche bien, après le " pré-entraînement ". Puis il commence à pleuvoir. Je l'ai retravaillé, je le mettrai à l'épreuve demain :D
Certains robots de trading peuvent être mal calculés dans le trader... Après une série de mises à jour, ils commencent à trader de la mauvaise façon.
Je travaille également sur les réseaux de récurrence dans torch.
jaune - début des semaines, premiers 1-3 jours
Quelqu'un a-t-il essayé d'utiliser des réseaux répétitifs (récurrents ?) pour réduire la dimensionnalité ?
Article.
Vidéo.
Quelqu'un a-t-il essayé d'utiliser des réseaux répétitifs (récurrents ?) pour réduire la dimensionnalité ?
Article.
Vidéo.
des auto-codeurs récursifs sont utilisés. je n'ai pas essayé
des auto-codeurs récursifs sont utilisés. je n'ai pas essayé
Je n'arrive pas à comprendre comment tous les neurones de sortie, dont le nombre est égal au nombre de neurones d'entrée, sont évalués en même temps...
Si vous voyez quelque chose de similaire, adapté à l'utilisation, veuillez me le faire savoir.
J'ai un échantillon de près de 3000 prédicteurs et je crains qu'ils ne soient fortement compressés, car ils décrivent un domaine similaire.
Je n'arrive pas à comprendre comment l'estimation de la qualité du modèle se fait en une seule fois pour tous les neurones de sortie, dont le nombre est égal aux neurones d'entrée...
Si vous voyez quelque chose de similaire, adapté à l'application, faites-le moi savoir.
J'ai un échantillon de près de 3000 prédicteurs, et je craignais qu'ils ne soient fortement compressés, car ils décrivent un domaine similaire.
L'entrée et la sortie sont toutes des fics, il y a moins de neurones dans la couche cachée. Il comprime simplement l'information en minimisant l'erreur dans la sortie. Les entrées doivent être égales aux sorties (dans l'idéal). Ensuite, la deuxième partie de NS est rejetée après la formation et vous obtenez des caractéristiques comprimées à la sortie égales au nombre de neurones dans la couche cachée.
vous pouvez ajouter des couches récurrentes, etc.
google autoencoder et leurs variantes.