L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 325
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
Sì, va bene.
tutto sommato non male.
Beh, è un semplice neurone, non è in grado di apprendere così tante informazioni, ma è interessante.
Beh, è un semplice neurone, semplicemente non è in grado di padroneggiare così tante informazioni, ma per il resto, sì, è interessante
Posso vedere un diagramma schematico, su un pezzo di carta? Cosa c'è negli ingressi, cosa c'è nel mezzo e dov'è l'uscita. Perché ho già letto molti libri (soppressori di rumore, riconoscimento, ecc.)
https://c.mql5.com/3/126/RNN_MT5.zip
C'è un consigliere e una descrizione
https://c.mql5.com/3/126/RNN_MT5.zip
C'è un Expert Advisor e una descrizione
Grazie. È fatto in modo simile al soppressore di rumore neuronico. Questo è esattamente ciò di cui avevo paura.
Supponiamo 10 campioni di una serie di prezzi + supponiamo, 5 predittori - 10*5=50 + i loro derivati - altri 50, altri 20 input di informazioni supplementari. Totale 120 ingressi al minimo. (Triste.)
È molto difficile contare tali matrici per una rete multistrato, o per 1m TF, o anche all'interno di una candela.
E cosa significa quando i risultati iniziano ad andare in turbolenza durante l'ottimizzazione genetica? :) il grafico dovrebbe migliorare con il tempo
Non consiglio di optare per il max-balance. I fallimenti dell'ottimizzazione indicano problemi con parametri "marginali". Cercate di capire la differenza tra i parametri nella zona di fallimento e le varianti che sono leggermente a sinistra sull'immagine.
L'ottimizzazione è molto semplice - vai verso l'aumento del criterio di ottimizzazione e allo stesso tempo una volta ogni tanto controlla le zone precedentemente inesplorate "per sicurezza" in modo da non perdere la strada per risultati ancora migliori (se ce n'è una).
Ci dovrebbe essere uno spostamento graduale della nuvola di varianti verso l'alto con alcune varianti rare nella parte inferiore del grafico.
Grazie. È fatto in modo simile a un soppressore di rumore su una neuronica. Questo è esattamente ciò di cui avevo paura.
Supponiamo 10 campioni di una serie di prezzi + supponiamo, 5 predittori - 10*5=50 + i loro derivati - altri 50, altri 20 input di informazioni supplementari. Totale 120 ingressi al minimo. (Triste.)
Calcolare tali matrici per una rete multistrato, o per 1m TF, o anche dentro una candela è troppo pesante.
Sì, quando si aumentano i parametri di input il problema sarà :) ecco perché dovremmo cercare di migliorare il nucleo logico ma non il numero di strati
Non consiglio di optare per il max-balance. i fallimenti dell'ottimizzazione indicano problemi con parametri "marginali". Cercate di capire la differenza tra i parametri nella zona di fallimento e le varianti che sono leggermente a sinistra nell'immagine.
L'ottimizzazione è molto semplice - vai verso l'aumento del criterio di ottimizzazione e allo stesso tempo una volta ogni tanto controlla le zone precedentemente inesplorate "per sicurezza" in modo da non perdere la strada per risultati ancora migliori (se ce n'è una).
Ci dovrebbe essere uno spostamento graduale della nuvola di varianti verso l'alto con alcune varianti rare nella parte inferiore del grafico.
Sì, c'è qualcosa di sbagliato nell'ottimizzazione del trailing stop, riscriverò la logica del bot e la controllerò di nuovo
Sconsiglio vivamente di optare per i bilanci massimi. I cali di ottimizzazione indicano problemi ai parametri "di bordo".
Sono totalmente d'accordo - l'ottimizzazione è una cosa molto pericolosa: sono orgogliosamente in piedi in cima come un milionario, mentre il mio depo si sta prosciugando - questo è il solito risultato dell'ottimizzazione.
Quelli di cui sopra sono i bilanci normali - è una linea. E perché una sola linea con un input casuale? Se l'input è casuale, allora anche la linea di bilancio dovrebbe essere casuale, racchiusa in intervalli di confidenza!
Un surrogato degli intervalli di confidenza potrebbe essere un grafico tridimensionale (colorato) nell'ottimizzazione. E se il bilancio è accompagnato da questo grafico dell'ottimizzazione e questo grafico tridimensionale ha circa lo stesso colore, il graal è vicino. Altrimenti i grafici non valgono un centesimo.
Sono completamente d'accordo con te - l'ottimizzazione è una cosa molto pericolosa: sto orgogliosamente in cima come un milionario, mentre la mia depo sta crollando.
Qui ci sono i normali saldi sopra - questa è una linea. Perché una singola linea con un input casuale? Se l'input è casuale, allora anche la linea di bilancio dovrebbe essere casuale, racchiusa in intervalli di confidenza!
Un surrogato degli intervalli di confidenza potrebbe essere un grafico tridimensionale (colorato) nell'ottimizzazione. E se il bilancio è accompagnato da questo grafico dell'ottimizzazione e questo grafico tridimensionale ha circa lo stesso colore, il graal è vicino. Altrimenti i grafici di cui sopra non valgono un centesimo.
Nel nostro caso stiamo regolando i pesi del neurone tramite l'ottimizzatore, tutto qui... che differenza fa se è addestrato in logica o tramite l'ottimizzatore... E in termini di velocità, penso che l'apprendimento sia molto più veloce nel cloud attraverso l'ottimizzatore.
Il 1000% in 2 mesi è così male? :) ha migliorato un po' la mia logica.
Qui, è vero, la taglia maggiore è arrivata in aprile. Da metà maggio c'è stata anche una tendenza costante
È un ramo enorme.
Qualcuno può darmi un suggerimento...
Ho i grafici dei movimenti di diverse coppie di valute. Come posso usare il machine learning per selezionare i parametri (lotto, direzione) per aprire/chiudere gli ordini in modo che il risultato sia nel plus il più spesso possibile?
Cioè, cosa devo fare, come devo allenare il programma?