L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1622
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
Ho .... Io traggo le conclusioni dai backtest nel tester, quale pensi che sia il risultato che ottieni se il tuo sistema è addestrato correttamente? Quasi il 90% di risultati di input corretti. In precedenza gli stessi backtest non hanno dato un tale risultato, da cui concludo che la formazione in questo caso era corretta.
Prova lo stesso in questo caso.
Ora posso dare un consulente in cambio di una critica costruttiva e di una segnalazione di bug. Per favore, scrivetemi di persona.
Non ho capito bene l'idea.
Posso già darvi un EA in cambio di critiche costruttive e segnalazioni di bug. Mandami un messaggio nell'area personale.
Ho cercato di renderlo molto semplice. Non avete ancora un sistema, una volta che ne avrete uno potrete farlo passare attraverso la storia e trarre conclusioni su quanto sia pronto (addestrato).
Ho cercato di renderlo molto semplice. Non avete ancora un sistema, ma non appena lo avrete, potrete farlo passare attraverso la storia e trarre conclusioni su quanto sia pronto.
È irreale farlo scorrere nella storia! Le previsioni escono ogni minuto, ci vogliono 12-17 secondi (fino a 22 secondi), ci sono 1400 minuti in un giorno. Il backtest di un giorno richiederà ore...
Bene... Su quale parte della storia si allena la rete neurale in generale (5/30 minuti)?
Sono andato a guardare il loro aiuto, ma non lo capisco - è molto confuso. Cercherò di trovare questo punto nel video più tardi, è più chiaro lì.
Ma ho visto che CB ha aggiunto nuove opzioni per la costruzione di alberi, prima c'era solo un'opzione di albero semetrico.
La politica di crescita degli alberi. Definisce come eseguire la costruzione dell'albero greedy.
Depthwise- Un albero è costruito livello per livello fino a raggiungere la profondità specificata. Ad ogni iterazione, tutte le foglie non terminali dell'ultimo livello dell'albero sono divise. Ogni foglia è divisa per condizione con il miglior miglioramento della perdita.
Lossguide- Un albero viene costruito foglia per foglia fino a raggiungere il numero massimo di foglie specificato. Ad ogni iterazione, la foglia non terminale con il miglior miglioramento della perdita viene divisa.
12-17 secondi (fino a 22 secondi)
C'è bisogno di imparare?
Le frecce rosse sono già considerate stantie, ma questo non invalida le loro prestazioni. In conclusione, finora non c'è stato un solo meno negli scambi, nel caso non l'abbiate notato. Quindi chi è il ***? :-)
Bene... Su quale parte della storia si allena la rete neurale (5/30 minuti)?
Un modello (una rete neurale) non dà il risultato giusto. Può imparare qualcosa, ma non è sufficiente. Ecco perché faccio 20-25 modelli con diversi input. Ora ho 25 modelli che segnalano allo stesso tempo, e le loro opinioni sono considerate con un certo peso nella previsione finale. Il calcolo di un modello richiede circa 0,5-0,7 secondi per un totale di 15-20 secondi + è ancora necessario preparare la data di ingresso per 25 modelli, che è un sacco di lavoro per ogni minuto )) La risposta può essere ridotta a 1-3 secondi se uso correttamente il multithreading in python, ma non l'ho ancora fatto.
Alleno i modelli separatamente, in modo normale, cioè il set di dati viene assemblato con il periodo di storia di un anno e poi l'allenamento come al solito.
Le frecce rosse sono già considerate stantie, ma questo non invalida le loro prestazioni. In conclusione, finora non c'è stato un solo meno negli scambi, nel caso non l'abbiate notato. Quindi chi è il ***? :-)
Avete un controllore dell'account?
Non è così...
Un modello (neuronet) non dà il risultato giusto. Può imparare qualcosa, ma non è sufficiente. Ecco perché costruisco 20-25 modelli con diversi input. Ora ho 25 modelli che segnalano allo stesso tempo, e le loro opinioni sono considerate con un certo peso nella previsione finale. Il calcolo di un modello richiede circa 0,5-0,7 secondi per un totale di 15-20 secondi + è ancora necessario preparare la data di ingresso per 25 modelli, che è un sacco di lavoro per ogni minuto )) La risposta può essere ridotta a 1-3 secondi se uso correttamente il multithreading in python, ma non l'ho ancora fatto.
Alleno i modelli separatamente, in modo normale, cioè il dataset è raccolto da un periodo storico di un anno e poi l'allenamento come al solito.
Che serietà... Ora devi solo assicurarti che puoi davvero fare trading su di esso.