L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1640
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
Non voglio tornare a Renko, ho già perso tempo su di esso, non solo perde completamente le informazioni OHLC, ma in aggiunta si ottiene un ritardo di due altezze di mattoni Renko - ritarda molto
Lo stesso sarà probabilmente vero per ZigZag, ma non l'ho trattato specificamente.
Di OHLC, solo O viene identificato senza ambiguità immediatamente quando arriva il tick corrispondente. In realtà, però, l'apertura può essere mancata quando c'è un ritardo nell'elaborazione dei tick precedenti.
Non c'è perfezione nel mondo)
Di OHLC, solo O è identificato in modo inequivocabile immediatamente all'arrivo del relativo tick. In realtà, però, l'apertura può essere mancata quando c'è un ritardo nell'elaborazione dei tick precedenti.
Non c'è perfezione nel mondo)
Tutto è molto complicato qui
Molti partecipanti lavorano con i prezzi di apertura e chiusura delle barre, e ci sono sia banali indicatori che complessi modelli e manipolazioni di coloro che quotano i prezzi
I prezzi alti e bassi hanno senso con la creazione di canali, ZigZag e ripartizioni di massimi storici (min), analisi grafica, così come settaggi e modelli - anche questi hanno senso
e questi metodi del nonno sono ancora usati nel trading, so per certo che gli americani usano attivamente l'analisi grafica - ho comunicato con loro diversi anni fa.... Ma sanno anche che non funziona ))))
Il problema è generalmente con gli stessi partecipanti al mercato - essi interferiscono costantemente con la serie ideale dei prezzi!
Le fluttuazioni di volatilità della sessione possono essere eliminate passando a uno zigzag o a un renko, giusto? Naturalmente, la struttura temporale naturale ne soffrirà, ma è possibile introdurre il tempo normale come un set di indicatori per ogni ginocchio/mattone.
Mi sono rivolto allo zigzag... Ma dall'inizio di marzo non sono semplicemente paragonabili a quello che erano prima di marzo. Se prima poteva costruire un ginocchio per mezz'ora o un'ora, può essere fatto in 5 minuti grazie all'alta volatilità con gli stessi parametri. Quindi non ha senso allenarsi sui dati prima di marzo. Ora tutto è diverso.
Dovremmo ancora pensare a qualcosa di universale per l'alta e la bassa volatilità.
Forse qualcosa di simile a un'onda. Le onde sono rimaste, sono solo diventate più ampie.
L'ho cercato su Google, ma chiederò comunque
quali tipi di reti neurali possono essere utilizzati come sistema di gestione degli oggetti?
Almeno per questo esempio: il NS dovrebbe dare una risposta che aprirà un ordine nella direzione desiderata e impostare il valore di take e stop loss, cioè 3 parametri di controllo (buy/sell + tp + sl)
IT: apprendimento per rinforzo
https://github.com/EliteQuant/EliteQuant#quantitative-model
RU: apprendimento per rinforzo
https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
anche se se il set di parametri è fisso, così come i suoi valori, sembra una classificazione normaleL'ho cercato su Google, ma chiederò comunque
quali tipi di reti neurali possono essere utilizzati come sistema di gestione degli oggetti?
Solo come esempio: NS dovrebbe dare una risposta che aprirà un ordine nella direzione richiesta e impostare il valore di take e stop loss, cioè 3 parametri di controllo (buy/sell + tp + sl)
Che problema stai cercando di risolvere!
Ecco il piano:
1. fare una rete che indovina la direzione del movimento dei prezzi in un momento fisso.
2. se avete P.1, fate una rete che indovina la direzione in modo dinamico, cioè dà la direzione e il tempo in cui è più sicuro.
3. se hai il punto 2, fai una rete che indovina la direzione e la forza del movimento.
4. se hai il punto 3, fai una rete che indovina direzione e forza + tempo del movimento.
Dopo di che vai ai tuoi 3 parametri.
IT: apprendimento per rinforzo
https://github.com/EliteQuant/EliteQuant#quantitative-model
RU: apprendimento per rinforzo
https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
anche se se il set di parametri è fisso, così come i loro valori, allora sembra una classificazione normaleformazione con rinforzo non voglio più, stavo ottenendo un idoneo, più efficace GA tester casuale da utilizzare, almeno l'avanti passa il TS trovato dalla genetica meglio di formazione con rinforzo
Grazie per il git, lo esaminerò
Che compito state cercando di risolvere!
Ecco il piano:
1. Creare una rete che indovina la direzione del movimento dei prezzi dopo un tempo fisso.
2. Se hai raggiunto il passo 1, fai una rete che indovina la direzione in modo dinamico, cioè dà la direzione e il tempo in cui è più sicuro.
3. se hai il punto 2, fai una rete che indovina la direzione e la forza del movimento.
4. se hai il punto 3, fai una rete che indovina direzione e forza + tempo di movimento.
Dopo di che, vai ai tuoi 3 parametri.
è una rete RNN o un perceptron multistrato convenzionale va bene
il compito è solo quello di controllare l'oggetto - google neurocontrol, puoi anche leggere la terminologia sul wiki e cercarla su google dopo
è una rete RNN o un perceptron multistrato convenzionale che lo fa bene
la sfida è solo nella gestione degli oggetti - google neurocontrol, puoi leggere la terminologia sullo stesso wiki e cercarla ulteriormente su google
Non sono un esperto, ma a prima vista questo approccio per i mercati è improbabile che produca qualcosa oltre NARX. E questo modello sembra essere sempre implementabile tramite RNN. E la completezza di Turing di RNN contribuisce anche alla sua sufficienza.
Articolo sull'equivalenza NARX e RNN.
Non sono un esperto, ma a prima vista questo approccio per i mercati è improbabile che produca qualcosa oltre NARX. E questo modello, sembra, può sempre essere implementato tramite RNN. E la completezza della RNN di Turing contribuisce anche alla sua sufficienza.
Ho cercato su Google, secondo le mie osservazioni dovrei usare RBF-net.
OK, chiederò più specificamente: c'è un portafoglio di TS primitivi che sono testati in avanti, ogni TS è legato al tempo entro un giorno e i TS possono sovrapporsi nel tempo - avete bisogno di"qualcosa che cercherà di eseguire nuovamente il portafoglio" a seconda dei dati di input - OHLC
ottimizzare semplicemente un portafoglio con una forzatura bruta nella genetica del tester .... ma voglio un po' di intelligenza)))
Ho cercato su Google, dalle mie osservazioni dovrei usare la rete RBF
OK, chiederò più specificamente: c'è un portafoglio di TS primitivi che sono testati in avanti, ogni TS è legato al tempo entro un giorno e i TS possono sovrapporsi nel tempo - ho bisogno di"qualcosa che cercherà di enumerare il portafoglio" a seconda dei dati di input - OHLC
ottimizzare semplicemente un portafoglio con una forzatura bruta nella genetica del tester .... ma voglio un po' di intelligenza ))))
Il compito non sembra del tutto formalizzato - l'insieme dei parametri non è chiaro. L'insieme completo dei sistemi è finito, numerabile o continuo? Il portafoglio ha una dimensione fissa? Il sistema è incluso nel portafoglio con alcuni pesi o solo sì/no?