L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1608
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
che rimbalza attraverso i segnali nel carrello? )
come un'opzione sì, attraverso un paio di iterazioni
- Non c'è bisogno di cercare soluzioni sofisticate, tutto è semplice, ho ottenuto il primo risultato con un solo strato Sequential
- la previsione si basa sul parere combinato di 20 modelli
Penso che uno dei due sia ridondante qui...
- Non c'è bisogno di cercare soluzioni complicate e artificiose, è semplice, ho ottenuto il mio primo risultato su un singolo strato Sequential
- la previsione è fatta dal parere combinato di 20 modelli.
Penso che uno dei due sia ridondante qui...
1. perché un insieme di modelli? cosa li distingue? è la lunghezza del futuro o le caratteristiche?
o c'è un'altra rete gerarchicamente superiore che seleziona quale rete dell'insieme ascoltare?
2. Se tutto funziona bene, perché il pubblico? cosa ti impedisce di fare soldi da solo
3. completamente candele + indicatori + qualcosa di più complic ato e cosa è più complicato? )
1. perché un insieme di modelli? cosa li distingue? è la lunghezza del futuro o le caratteristiche?
o c'è un'altra rete gerarchicamente superiore che seleziona quale rete dell'insieme ascoltare?
2. Se tutto funziona bene, perché il pubblico? cosa ti impedisce di fare soldi da solo
3. completamente candele + indicatori + qualcosa di più complic ato e cosa è più complicato? )
2. appena si comincia a pensare in termini di "guadagno", tutto diventa immediatamente noioso e si ferma, il cervello passa a target, stop, backtest, selezione dei parametri, mentre qui ci interessa l'argomento stesso, la parte di ricerca.
3. questo è know-how
1. perché un insieme di modelli? cosa li distingue? è la lunghezza del futuro o le caratteristiche?
o c'è un'altra rete gerarchicamente superiore che seleziona quale rete dell'insieme ascoltare?
2. Se tutto funziona bene, perché il pubblico? cosa ti impedisce di fare soldi da solo
3. completamente candele + indicatori + qualcosa di più complic ato e cosa è più complicato? )
Posso fornire segnali neuro tramite sockets+json senza alcun filtro - così com'è, cioè previsioni ogni minuto.
2. Sarò lieto di esternalizzare il tema degli scambi in borsa.
Posso consegnare i segnali neuro via sockets+json senza alcun filtro - così com'è, cioè previsioni ogni minuto.
È possibile trasmettere operazioni qui in MQL a "segnali"
E cerca immediatamente dei clienti da abbonare... Sarò uno dei primi ad iscriversi se vedo che non è una macchina per fare la media delle stronzate.
Ho una domanda teorica
Abbiamo una funzione obiettivo alla quale approssimeremo il modello
abbiamo dei predittori, che siano 1000 pezzi.
Quindi la domanda è: se abbiamo molti predittori possiamo dividerli in parti uguali, facciamo 100 e alleniamo 10 modelli.
Poi gli output di questi 10 modelli sono alimentati al nuovo modello come predittori. Sarà l'equivalente di un modello allenato inizialmente per 1000 predittori in una volta sola?
Qualcosa mi dice che no, ma vorrei sentire le opinioni
Ho una domanda teorica
Abbiamo una funzione obiettivo alla quale approssimeremo il modello
abbiamo dei predittori, che siano 1000 pezzi.
Quindi la domanda è: se abbiamo molti predittori possiamo dividerli in parti uguali, facciamo 100 e alleniamo 10 modelli.
Poi gli output di questi 10 modelli sono alimentati al nuovo modello come predittori. Sarà l'equivalente di un modello allenato inizialmente per 1000 predittori in una volta sola?
Qualcosa mi dice che non lo è, ma vorrei sentire qualche opinione.
si chiama impilamento di modelli. Non sarà lo stesso, ma non necessariamente più efficiente. L'ho fatto in questo modo, non ho visto alcun miglioramento.
C'è un altro modo chiamato meta-training. Si addestra il primo modello per predire le classi, poi si ottengono i risultati e li si alimenta nel secondo modello, sullo stesso o su altri preittori, che permette/nega il trading del primo modello. 1 - commerciare, 0 - non commerciare, a seconda della qualità delle previsioni del primo modello, cioè una sorta di filtro. Riduce fortemente gli errori sui dati di allenamento, ma non così tanto sui nuovi dati (se il modello ha una bassa generalizzabilità). Ma il meta-training in sé è ok.
Potete addestrare il primo modello su alcuni dati e il meta-modello su altri dati, sugli errori del primo modello. Ci possono essere diverse varianti. L'ho fatto in entrambi i modi, in generale c'è un miglioramento, ma è più un ritocco, piuttosto che un modo per ottenere un buon modello che funzionerà nel feedback.
Potete cercare su Google Marcos Lopez De Prado "meta apprendimento", solo sul trading.