L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2969

[Maxim Dmitrievsky]

mytarmailS #:

parce que ce n'est pas sa raison d'être.

Pourquoi personne n'écrit-il de sites web en C++ ?

J'ai juste choisi ce qui était plus familier, plus similaire à mql, et ce qui était moins familier (pas familier) s'appelait jerky. Vous auriez dû apprendre...

Il n'est pas difficile d'apprendre quoi que ce soit. Mais le grain rationnel a suggéré qu'il n'y a pas de sens ou d'avantages pour leurs métiers.

J'ai commencé à écrire du code en Python tout de suite, sans presque l'étudier. Ensuite, j'ai eu besoin de quelques bibliothèques de base et c'est tout.

Il n'y a pas de tâches pour lesquelles R l'emporte. Les statistiques sont un mythe. Certaines personnes justifient leur choix de cette manière, comme Sanych.

[mytarmailS]

Maxim Dmitrievsky #:

J'ai commencé à écrire du code en Python tout de suite, sans presque l'apprendre. J'avais besoin de quelques bibliothèques de base et c'est tout.

C'est très bien, il a été conçu comme ça....

Mais pourquoi ces attaques passives-agressives contre R ? C'est le meilleur langage pour ses tâches, c'est pour cela qu'il a été créé,

Python est un langage général qui a la prétention d'être facile à apprendre...

L'essentiel n'est pas là, mais de faire de belles affaires à l'aide d'algorithmes.

[Maxim Kuznetsov]

mytarmailS #:

parce que ce n'est pas sa raison d'être.

Pourquoi personne n'écrit-il de sites web en C++ ?

Chaque langage a sa propre tâche, c'est pourquoi il y en a tant.

J'ai simplement choisi ce qui m'était le plus familier, le plus similaire à mql, et ce qui m'était le moins familier (pas familier) s'appelait jerky. Et vous auriez dû étudier...

Le backend C++ est très demandé et c'est presque le travail le plus cher.

[mytarmailS]

Maxim Kuznetsov #:

vous n'en êtes probablement pas pleinement conscient... lebackend C++ est très demandé et c'est presque le travail le plus cher.

tu n'as probablement pas encore réalisé qu'un site web n'est pas seulement un backend ;)

[Renat Fatkhullin]

Tout le monde ne suit pas le développement de MQL5, mais il dispose de méthodes standard pour les matrices et les vecteurs.

Il s'agit des méthodes standard du langage, et non de bibliothèques tierces. Avec l'introduction des types matrices/vecteurs/complexes, le langage est devenu très puissant pour l'analyse statistique et les mathématiques lourdes.

Fonction	Action	Catégorie
Activation	Calcule les valeurs de la fonction d'activation et les écrit dans le vecteur/la matrice transmis(e).	Apprentissage automatique
ArgMax	Renvoie l'indice de la valeur maximale	Statistiques
ArgMin	Renvoie l'indice de la valeur minimale	Statistiques
ArgSort	Renvoie l'index trié	Manipulations
Assigner	Copie une matrice, un vecteur ou un tableau avec conversion automatique	Initialisation
Moyenne	Calcule une moyenne pondérée des valeurs d'une matrice ou d'un vecteur.	Statistiques
Cholesky	Calcule la décomposition de Cholesky	Transformations
Clip	Limite les éléments d'une matrice ou d'un vecteur à une plage spécifiée de valeurs acceptables.	Manipulations
Col	Renvoie un vecteur de colonne. Écrit le vecteur dans la colonne spécifiée	Manipulations
Cols	Renvoie le nombre de colonnes de la matrice	Caractéristiques
Comparer	Compare les éléments de deux matrices/vecteurs avec une précision spécifiée.	Manipulations
CompareByDigits	Compare les éléments de deux matrices/vecteurs en vue d'une concordance avec la précision des chiffres significatifs.	Manipulations
Cond	Calcule le nombre conditionnel d'une matrice	Caractéristiques
Convolve	Renvoie une convolution linéaire discrète de deux vecteurs	Dérivés
Copie	Renvoie une copie d'une matrice ou d'un vecteur donné.	Manipulations
CopyRates	Récupère la série historique de la structure MqlRates de la période symbolique spécifiée dans la quantité spécifiée dans une matrice ou un vecteur.	Initialisation
CopyTicks	Récupère les ticks de la structure MqlTick dans une matrice ou un vecteur	Initialisation
CopyTicksRange	Obtient une matrice ou un vecteur de ticks de la structure MqlTick dans la plage de dates spécifiée.	Initialisation
CorrCoef	Calcule le coefficient de corrélation de Pearson (coefficient de corrélation linéaire).	Dérivés
Correlate	Calcule la corrélation croisée de deux vecteurs	Dérivés
Cov	Calcule la matrice de covariance	Produits
CumProd	Renvoie le produit cumulatif des éléments de la matrice/du vecteur, y compris les éléments le long de l'axe donné.	Statistiques
CumSum	Renvoie la somme cumulée des éléments d'une matrice ou d'un vecteur, y compris les éléments situés le long de l'axe donné.	Statistiques
Dérivée	Calcule les valeurs de la dérivée de la fonction d'activation et les écrit dans le vecteur/matrice passé.	Apprentissage automatique
Déterminant	Calcule le déterminant d'une matrice carrée non dégénérée.	Caractéristiques
Diag	Extrait une diagonale ou construit une matrice diagonale	Manipulations
Point	Produit scalaire de deux vecteurs	Dérivés
Eig	Calcule les valeurs propres et les vecteurs propres droits d'une matrice carrée	Transformations
EigVals	Calcule les valeurs propres d'une matrice générale	Transformations
Eye	Retourne une matrice avec des uns sur la diagonale et des zéros ailleurs	Initialisation
Remplir	Remplit une matrice ou un vecteur existant avec une valeur donnée	Initialisation
Plat	Permet d'accéder à un élément de matrice en utilisant un seul index au lieu de deux.	Manipulations
Pleine	Crée et renvoie une nouvelle matrice remplie avec la valeur spécifiée.	Initialisation
GeMM	Multiplication générale de deux matrices (General Matrix Multiply)	Produits
Hsplit	Division horizontale d'une matrice en plusieurs sous-matrices. Identique à Split avec axe=0.	Manipulations
Identité	Crée une matrice unique de la taille spécifiée	Initialisation
Init	Initialise une matrice ou un vecteur	Initialisation
Inner	Produit intérieur de deux matrices	Dérivés
Inverse	Calcule l'inverse (multiplicatif) d'une matrice carrée non dégénérée en utilisant la méthode Jordaan-Gauss.	Solutions
Kron	Renvoie le produit de Kronecker de deux matrices, d'une matrice et d'un vecteur, d'un vecteur et d'une matrice, ou de deux vecteurs.	Produits
Perte	Calcule les valeurs de la fonction de perte et les écrit dans le vecteur/la matrice transmis(e).	Apprentissage automatique
LstSq	Renvoie la solution des moindres carrés d'équations algébriques linéaires (pour les matrices non carrées ou dégénérées).	Solutions
LU	Factorisation LU d'une matrice en tant que produit d'une matrice triangulaire inférieure et d'une matrice triangulaire supérieure	Transformations
LUP	Factorisation LUP avec permutation partielle, qui se réfère à la décomposition LU avec permutation des lignes uniquement : PA=LU	Transformations
MatMul	Produit matriciel de deux matrices	Dérivés
Max	Renvoie la valeur maximale d'une matrice ou d'un vecteur	Statistiques
Moyenne	Calcule la moyenne arithmétique des valeurs d'un élément	Statistiques
Médiane	Calcule la médiane des éléments de la matrice/du vecteur	Statistiques
Min	Renvoie la valeur minimale de la matrice/du vecteur	Statistiques
Norm	Renvoie la norme de la matrice ou du vecteur	Caractéristiques
Un	Crée et renvoie une nouvelle matrice remplie de uns	Initialisation
Extérieur	Calcule le produit extérieur de deux matrices ou de deux vecteurs	Produits
Percentile	Renvoie le centile spécifié des éléments de la matrice/du vecteur ou des éléments le long de l'axe spécifié.	Statistiques
PInv	Calcule une matrice pseudo-inverse en utilisant la méthode de Moore-Penrose.	Solutions
Puissance	Élève une matrice carrée au degré entier	Produits
Prod	Renvoie le produit des éléments d'une matrice ou d'un vecteur, qui peut également être effectué pour un axe donné.	Statistiques
Ptp	Renvoie la plage de valeurs de la matrice/du vecteur pour l'axe de la matrice donnée	Statistiques
QR	Calcule la factorisation QR d'une matrice	Transformations
Quantile	Renvoie le quantile spécifié des valeurs des éléments d'une matrice ou d'un vecteur ou des éléments le long de l'axe spécifié	Statistiques
Rang	Renvoie le rang de la matrice en utilisant la méthode gaussienne	Caractéristiques
Métrique de régression	Calcule la métrique de régression en tant qu'erreur d'écart par rapport à la ligne de régression tracée sur l'ensemble de données spécifié.	Statistiques
Reshape	Modifie la forme d'une matrice sans en modifier les données.	Manipulations
Redimensionner	Renvoie une nouvelle matrice dont la forme et la taille ont été modifiées	Manipulations
Ligne	Renvoie une ligne de vecteur. Écrit le vecteur dans la ligne spécifiée	Manipulations
Lignes	Renvoie le nombre de lignes de la matrice	Caractéristiques
Taille	Renvoie la taille du vecteur	Caractéristiques
SLogDet	Calcule le signe et le logarithme du déterminant de la matrice	Caractéristiques
Solve	Résout une équation matricielle linéaire ou un système d'équations algébriques linéaires.	Solutions
Trier	Trier par emplacement	Manipulations
Spectre	Calcule le spectre d'une matrice comme l'ensemble de ses valeurs propres à partir du produit AT*A.	Caractéristiques
Fractionnement	Divise une matrice en plusieurs sous-matrices	Manipulations
Std	Renvoie l'écart-type des valeurs des éléments de la matrice/du vecteur ou des éléments le long d'un axe donné.	Statistiques
Somme	Renvoie la somme des éléments de la matrice/du vecteur qui peut également être effectuée pour le(s) axe(s) donné(s).	Statistiques
SVD	Décomposition en valeurs singulières	Transformations
SwapCols	Échange les colonnes d'une matrice	Manipulations
ÉchangerLignes	Permuter les lignes d'une matrice	Manipulations
Trace	Renvoie la somme des diagonales de la matrice	Caractéristiques
Transposition	Transpose (échange des axes) et renvoie la matrice modifiée	Manipulations
Tri	Construit une matrice avec des uns sur la diagonale donnée et en dessous et des zéros ailleurs.	Initialisation
TriL	Renvoie une copie de la matrice avec des éléments mis à zéro sur la kème diagonale. Matrice triangulaire inférieure	Manipulations
TriU	Renvoie une copie de la matrice dont les éléments ont été mis à zéro sous la k-ième diagonale. Matrice triangulaire supérieure	Manipulations
Var	Calcule la variance des valeurs des éléments de la matrice/du vecteur.	Statistiques
Vsplit	Division verticale d'une matrice en plusieurs sous-matrices. Identique à Split avec axe=1	Manipulations
Zéros	Crée et renvoie une nouvelle matrice remplie de zéros.	Initialisation

[Maxim Dmitrievsky]

mytarmailS #:

Bien sûr, c'est ainsi qu'il a été conçu.....

Mais pourquoi ces attaques passives et agressives contre R ? C'est le meilleur langage pour ses tâches, c'est pour cela qu'il a été conçu,

Python est un langage générique qui prétend être facile à apprendre...

L'essentiel n'est pas là, mais de faire de belles affaires à l'aide d'algorithmes.

Je n'ai pas besoin de vos transactions, j'ai besoin de backtests !

Le trading n'est pas une question de science, c'est plutôt une question de situation. Les transactions d'aujourd'hui sont +, celles de demain sont -.

Il y a eu un arbitrage normal lorsque vous pouviez acheter des fleurs pour les femmes et des voitures pour vous-même, puis, d'une manière ou d'une autre, cela s'est dégonflé. Et quelles que soient les statistiques utilisées, Mikola ne fera pas de fleur de pierre.

Un autre problème avec les neurones est le choix des modèles. L'un d'entre eux fonctionne depuis un an, les autres ont été rejetés. Puis un Égyptien vous crie que vous l'avez trompé. Qu'allez-vous faire ? C'est la nature des choses. Et les statistiques passent à nouveau, d'une manière ou d'une autre. Le choix était donc évident - pour un maximum de simplicité et de commodité.

[mytarmailS]

Maxim Dmitrievsky #:
Je n'ai pas besoin de vos affaires, j'ai besoin de vos backtests !

Le trading n'est pas une question de science, c'est plutôt une question de situation. Les transactions d'aujourd'hui sont en hausse, celles de demain sont en baisse.

Avec tout mon savoir, je ne sais pas comment l'algorithmer, j'ai juste une compréhension de la situation et c'est tout...

Le MO est comme un indicateur, et 99% du robot intellectuel derrière moi...

1) Soit c'est comme ça et ça marche.

2) soit tout est automatique et ça ne marche jamais.

pour l'instant je m'assois sur le 1) mais je rêve du 2)

[Maxim Dmitrievsky]

mytarmailS #:

Malgré toutes mes connaissances, je ne sais pas comment l'algorithmer, j'ai juste une compréhension de la situation et c'est tout....

IO est comme un indicateur, et 99% du robot intelligent est derrière moi...

1) Soit c'est ça, et ça marche.

2 ) Soit c'est tout automatique et ça ne marche jamais.

Je suis assis sur 1) mais je rêve de 2).

Si tu trouves comment mieux valider ton artisanat FF, ce sera automatique. C'est une bonne idée.

[mytarmailS]

Maxim Dmitrievsky #:
Si vous trouvez le moyen de mieux valider votre métier de FF, ce sera automatique. C'est une bonne idée.

Il suffit de le valider comme un algorithme normal.

Je n'en parle pas comme d'une découverte, je l'ai inventée il y a plus d'un an...

L'homme m'a demandé comment entraîner l'AMO à des fins lucratives, je lui ai juste montré comment faire...

[Maxim Dmitrievsky]

mytarmailS #:

il suffit de le valider comme un algorithme normal.

Je n'en parle pas comme d'une découverte, j'ai inventé cette chose il y a plus d'un an....

L'homme m'a demandé comment entraîner l'AMO à des fins lucratives, je viens de lui montrer comment faire.

Cela ne fonctionnera pas comme une méthode classique. Il faut un réglage automatique délicat pour les données inconnues, le filtrage des signaux de bruit, etc. pour faire à peu près la même chose qu'un humain.