L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 231
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Personalmente, non l'ho nemmeno capito).
Ma mi è permesso, non mi considero un esperto.
Personalmente non ho nemmeno capito nulla )
Non sei solo, dato che il collettivo che "non ha capito niente" include l'autore stesso.
E questo è il punto di tutto ciò che scriveReteg Konow.
L'obiettivo è quello di distruggere il filo e il modo più semplice per farlo è con testi che non hanno alcun contenuto.
L'obiettivo è stato raggiunto. Il thread non solo non si adatta al titolo, ma ha cessato di avere qualsiasi contenuto.
Non sei solo, dato che il collettivo che "non capisce niente" include l'autore stesso.
E questo è il punto di tutto ciò che scriveReteg Konow.
L'obiettivo è distruggere il ramo e il modo più semplice per farlo è con testi che non hanno alcun contenuto.
L'obiettivo è stato raggiunto. Il thread non solo non si adatta al titolo, ma ha cessato di avere qualsiasi contenuto.
Il sistema è complesso. In definitiva, implementa una completa automazione del processo di regolazione dei parametri di input, adattandosi efficacemente alle mutevoli dinamiche del mercato. Questo è il punto.
Sì, questo è il punto.
Tecnicamente, qualsiasi struttura di controllo con adattabilità (feedback con funzionalità qualità/perdita) può essere attribuita all'IR, per esempio, se si prende una macchina normale e ogni N barre si cercano i suoi parametri ottimali per le N barre precedenti, tramite una semplice griglia, sarà anch'essa IR. L'essenza del MO è nell'accumulo di "esperienza", nella trasformazione dei dati in un modello.
PS: Nel "perseptron" di cui sopra più precisamente... Prodotto scalare semplice mal programmato, manca la cosa principale, l'algoritmo di apprendimento, questa importante questione è delegata a MT-optimizer, mentre MO è esattamente un doppio modello - algoritmo di ottimizzazione, non solo modello, e non ogni algoritmo di ottimizzazione funziona per ogni modello, per esempio MLP non può essere ottimizzato da griglia o genetica, è necessario backprop ecc.
proprio come nel forex, un bot può passare con successo una sezione/livello e fallire un'altra
perché non ha l'intelligenza del trader e il bot "non capisce" cosa sta facendo...
E qual è l'intelligenza del commerciante?
In termini semplici, questa è esperienza di trading, quei commercianti hanno 1) - alcuni modelli di comportamento del mercato (modelli di mercato) e 2) - modelli di comportamento in questo modello (modello di comportamento nel modello di mercato).
Questo può essere programmato, vero?
In effetti, la ricerca di questi buoni modelli può essere programmata, vero?
..
per avere successo in qualsiasi area/livello il bot deve avere un modello a oggetti del mondo in cui esiste
cioè l'algoritmo non deve solo ottimizzare i modelli
L'algoritmo deve operare con categorie semantiche e descrivere la situazione come è vista dal commerciante/giocatore
Il bot deve distinguere i tipi di oggetti e le loro caratteristiche, e valutare dinamicamente il pericolo della situazione
e questo richiede un livello di euristica molto diverso dalla semplice ottimizzazione della rete neurale
Il risultato dell'apprendimento deve essere un modello semantico e la conoscenza di oggetti e processi.
se non c'è, i bot commerciali sono condannati a punzecchiare a caso
Sono completamente d'accordo, il graal non è nel MO, il graal è in quei piccoli cubi, anche nel caso di mario lo fanno, non tanto con il mercato non stazionario
Si chiama pre-elaborazione dei dati, anche in questo thread nessuno lo sta facendo
Questo è esattamente ciò che vede il MO, un concentrato di realtà appropriata ripulita dal rumore.
Se lo fai e lo fai adeguatamente, allora puoi insegnare a qualsiasi EA a fare trading bene come un umano, o anche meglio
Sì, questo è il punto.
Tecnicamente, qualsiasi struttura di controllo con adattabilità (feedback con funzionalità qualità/perdita) può essere attribuita all'IR, per esempio, se si prende una macchina normale e ogni N barre si cercano i suoi parametri ottimali per le N barre precedenti, tramite una semplice griglia, sarà anch'essa IR. L'essenza del MO è l'accumulo di "esperienza", la trasformazione dei dati in un modello.
MoD è prima di tutto un'arte ingegneristica, il risultato giustifica qualsiasi concetto. Dammi il risultato. Ecco una sfida per voi: https://numer.ai/
In altre parole, sei d'accordo che è anche possibile ottenere i risultati dell'approccio MO standard con reti neurali utilizzando un approccio MO non standard (dato che hai riconosciuto questo approccio come tale)?
Sì, questo è il punto.
...
L'essenza di ME è l'accumulo di "esperienza", la trasformazione dei dati in un modello.
Questa conclusione conferma che il mio concetto può avere un valore reale.
In ogni caso, perseguirò certamente la sua attuazione. Quando sarà il momento.
Per quanto mi riguarda ogni membro del ramo che si considera utile per questo ramo, deve solo mostrare il risultato in questa cosa )
Sono d'accordo, a mio parere, se una persona può almeno solo eseguire i dati e ottenere un logloss sotto 0.69300 (casuale) allora ha il diritto di parlare di AI e MO qui, il resto non è redditizio
il mio risultato https://numer.ai/ai/toxic