L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 836
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
Pour un trader, c'est une compétition qui entraîne ses modèles et les glisse, chanceux - bien, malchanceux - rien à perdre
Vous avez les mauvaises associations. Si votre modèle n'est pas accepté en raison d'une surpêche ou d'un manque de formation, cela signifie que vous devez améliorer vos compétences. Vous n'avez pas à être malchanceux.
Vous avez les mauvaises associations. Si votre modèle n'est pas accepté parce que vous êtes surdoué ou sous-entraîné, cela signifie que votre compétence doit être améliorée. La chance n'a rien à voir avec cela.
Combien de temps durent les modèles ? S'ils ont des concours en permanence, est-ce à court terme ?
Pour moi, il est plus important de donner de l'argent afin d'obtenir des bénéfices.
Une nouvelle tournée chaque semaine. En une semaine, vous devez entraîner le modèle et leur envoyer les prédictions. Mais l'estimation prévisionnelle de votre modèle ne sera connue qu'après trois autres semaines, vos prévisions seront comparées aux données réelles de ces trois semaines.
Je pense qu'ils gardent au moins 90%.
:)))) Je vais commencer à relire votre sujet après avoir fini d'étudier RL
Et supposez que vos prédicteurs seront meilleurs que les miens, ce serait génial.
Maxime, le fichier ci-joint contient le BP pour AUDCAD obtenu à des intervalles de lecture de tick exponentiels (pour être plus exact - distribution géométrique discrète à n=0.5).
Colonne A - Offre
Colonne B - Demande
Colonne C - Intensité dans la fenêtre glissante = 10.000
Colonne E - Horodatage.
Lorsque le timestamp =0, il s'agit alors d'un pseudotick artificiel.
C'est-à-dire qu'il y a toujours un vrai BP "assis" dans ce pseudo-modèle.
Pouvez-vous extraire la BP réelle de la BP source et glisser 2 BP de retour dans le réseau neuronal ? L'un - original (pseudo+réel), le second - uniquement réel.
Intéressant.
Lorsque vous travaillez avec la BP initiale (pseudo+réelle), vous devez réaliser que vous travaillez avec le thread le plus simple sans mémoire
Étape 2. Dans ce premier BP, vous ne devez prendre qu'un devis sur deux. Vous obtiendrez un flux Erlang de 2ème ordre avec conséquence. Vérifiez.
Étape 3 : Dans ce premier BP, vous ne devez prendre qu'une citation sur trois. Vous obtiendrez le flux Erlang de 3ème ordre avec conséquence. Vérifiez.
Etc.
Si vous obtenez quelque chose d'incroyable - vous obtenez un signal.
Maxim, dans le fichier ci-joint - BP pour AUDCAD obtenu à des intervalles de lecture de tick exponentiels (plus précisément - distribution géométrique discrète à n=0.5).
Colonne A - Offre
Colonne B - Demande
Colonne C - Intensité dans la fenêtre glissante = 10.000
Colonne E - Horodatage.
Lorsque le timestamp =0, il s'agit alors d'un pseudotick artificiel.
C'est-à-dire qu'il y a toujours un vrai BP "assis" dans ce pseudo-modèle.
Vous pouvez extraire la BP réelle de la BP source et l'introduire dans le réseau neuronal avec 2 BP de retour. L'une - originale (pseudo+réelle), la seconde - uniquement réelle.
Intéressant.
J'essaierai de le mettre à l'antenne demain déjà).
Je vais essayer de le mettre demain).
J'ai ajouté l'algorithme de vérification ici aussi. Faites attention, s'il vous plaît.
J'y ai également ajouté un algorithme de vérification. Soyez juste prudent, s'il vous plaît.
Oui, je vois que ce sera plus compliqué avec les ticks, mais je vais le faire avec soin ;)
Convertir ces séquences en symboles personnalisés de МТ5 et obtenir des symboles prêts séparés... s'ils fonctionnent.
Oui, je vois, ce sera plus compliqué avec les tics, mais je ferai quelque chose de soigné).
Ces lignes doivent être converties en symboles personnalisés de MT5, elles apparaîtront comme des symboles prêts à l'emploi distincts... s'ils réussissent.
Eh bien, vous pouvez faire le contraire - sélectionnez d'abord le flux Erlang d'ordre 100 et descendez vers le plus simple :))
Au sujet de la prévision de la volatilité. Disons qu'il est beaucoup plus facile de prédire la volatilité que de prédire la cotation elle-même.
Et il existe même toutes sortes de modèles comme https://en.wikipedia.org/wiki/Markov_switching_multifractal.
Que donne-t-il, comment l'utiliser correctement, quelqu'un l'a-t-il déjà fait ?
Au sujet de la prévision de la volatilité. Disons qu'il est beaucoup plus facile de prédire la volatilité que de prédire la cotation elle-même.
Et il existe même toutes sortes de modèles comme https://en.wikipedia.org/wiki/Markov_switching_multifractal.
A quoi servent-ils, comment les utiliser, quelqu'un a-t-il déjà fait quelque chose avec eux ?
Le GARCH est appelé, par opposition à l'apprentissage automatique, le courant dominant sur les marchés financiers (avec la cointégration et les portefeuilles).
Les modèles prennent en compte un tas de nuances statistiques des incréments, y compris des queues épaisses et une longue mémoire à la Hurst.
Par exemple, il existe une publication sur le choix des paramètres des modèles GARCH sur TOUTES les actions, incluses dans l'indice S&P500 !
Il existe de nombreuses publications sur l'application dans le domaine du Forex. La boîte à outils est très bien développée. Par exemple, le paquet rugarch.
Alors, quittons la ferme, prenons l'autoroute et rendons-nous à la marche "Adieu à Slavyanka" !