L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1607
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
Max, hai provato a usare regole associative per trovare modelli come l'algoritmo arriori o simili?
Beh, le reti bayesiane... richiedono molto tempo per essere imparate. Se non sai cosa insegnare, non te ne frega niente.
imho, devi usare il clustering (HMM, miscele gaussiane), dividere il mercato in diversi cluster e allenarti per ognuno. Allora funziona. Non c'è ancora tempo.
ci sono librerie speciali separate per generare caratteristiche fittizie, e poi puoi metterle in un buster, e sarà lo stesso
l'algoritmo mgua stesso è debole in quanto utilizza la regressione ordinaria, quindi alleva caratteristiche fuori dalla scatola
e come si chiama questo processo in inglese?
qual è il nome di questo processo di provisioning in inglese?
da qualche parte nella sezione di preprocessing, per esempio per python
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html
o metodi del kernel
https://github.com/gmum/pykernels
Allora non vedo nulla di nuovo o originale in questa metodologia.
Beh, le reti bayesiane... richiedono molto tempo per essere imparate. Se non sai cosa insegnare, non ti interessa.
imho, dovresti usare il clustering (HMM, miscele gaussiane), dividere il mercato in diversi cluster, allenarti per ognuno. Allora funziona. Non ho ancora tempo per questo.
Qui hai assolutamente ragione Maximka, non nel senso di metodi specifici, ma nel senso di separazione di principio quando ci si avvicina al mercato. Ma hai bisogno di una squadra per questo, e quando hai una grande squadra, puoi fare molto lavoro e ricerca e trovare metodi e approcci che saranno unici. Devi essere diverso nel mercato.... Unico. Non credete? :-)
Su un buon punto, quando la qualità di un sistema è la sua capacità di rimanere sulla tendenza.....
Qui hai assolutamente ragione, Maximka, non nel senso di metodi specifici, ma nel senso di condivisione di principio nell'approccio al mercato. Ma questo richiede una squadra, e quando si ha una grande squadra, si può fare molto lavoro e ricerca e trovare metodi e approcci che sono unici. Devi essere diverso nel mercato.... Unico. Non credete? :-)
quando la squadra è grande, ci si stanca di fare tutto per tutti
Quando la squadra è grande, ti stanchi di fare tutto per tutti
Per chi segue l'argomento. Continuando a guardare ostinatamente in basso....
È difficile chiedere qualcosa qui, tutto inizia con la pre-elaborazione dei dati, ed è di questo che non si vuole parlare... (
OK... Mi sto chiedendo
1. L'algoritmo funziona sulle valute
2. Costruisce la previsione per una lunghezza fissa di n candele o la rete decide da sola per quanto tempo andrà
3. Perché ci vuole così tanto tempo per elaborare il segnale 12-13 sec per candela
4. Perché volete trasmettere pubblicamente gli accordi?
5. per le previsioni, utilizzare i dati sotto forma di funzione (prezzo, indicatore) o qualcosa di più complicato.
la migliore visualizzazione è l'accordo
OK, ecco qui...
Prima il quadro generale:
- inizia facile, raccogliamo i dati con un bot nel tester, facciamo un csv, ogni linea un vettore;
- Rete Keras via Tensoflow, la super conoscenza non è necessaria, un libro sulle reti neurali + un paio di manuali;
- Puoi usare Google Colab, va bene per iniziare, ma ha le sue sfumature;
- Poi, si inizia AD, se si ha un'idea unica fantastica su quali dati alimentare la rete, si deve arrivare con altre 99 idee altrettanto uniche, perché la 101esima funzionerà, e anche questa non è certa;
- risultato standard: la rete non impara.
Alcuni consigli (lavati nel sangue):
- Non cercate soluzioni sofisticate, è facile:
-- Ho ottenuto il primo risultato su un singolo strato Sequential,
-- Non cercare di prevedere il prezzo -- è un'utopia, devi porre una semplice domanda in alto o in basso, poi, se ci arrivi, scava oltre.
-- chip in vettore da 100-200, non di più, meno non funzionerà,
-- Provate ad andare tutta la notte per 1000 epoche, vedrete se funziona dopo 100,
-- cercate i primi segni di addestrabilità e andate avanti.
-- Non aiutate la rete neurale con delle stampelle come i deviatori, dovrebbe imparare da sola,
-- Aumentare il numero di dati di input non aiuterà, sono sufficienti 50-60 migliaia per 100 caratteristiche.
Ora le risposte alle domande:
1. L'algoritmo funziona sulle valute
Ho ottenuto i primi risultati per EURUSD, ma in seguito si scopre che i trade brevi sono un po' meglio addestrati per le previsioni brevi, non so perché.
2. Le previsioni sono fatte per una lunghezza fissa di n candele o la rete stessa dice quanto tempo
Sì, dovrebbe essere un fisso perché gli diamo una risposta fissa durante la formazione
3. Perché il segnale impiega così tanto tempo per essere elaborato 12-13 sec per candela
perché ora la mia prognosi è composta da un parere aggregato di 20 modelli, ottenere una risposta da uno richiede 0,5 secondi, è possibile risolvere questo problema in modo asincrono, ma non so come
4. Perché puntate alla trasmissione pubblica dei mestieri?
Ho speso un sacco di risorse, ho bisogno di guadagnare di nuovo.
5. I dati per la previsione dovrebbero essere usati sotto forma di una funzione (prezzo, indicatore) o qualcosa di più complicato.
I dati sono utilizzati come una funzione (prezzo, indicatore) o più complicati.