L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2024
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
Nessuno dà sovvenzioni per i bot forex
I compiti lì sono più risolvibili, e gli specialisti locali di IA hanno esperienza in compiti più complessi o addirittura irrisolvibili. Sarà più facile con compiti semplici.
Ci sono compiti di riconoscimento audio, foto e video, fare diagnosi basate su sintomi, controllare robot e sciami di robot, ecc.
Il forex bot si ripaga da solo se è efficace.
I compiti lì sono più risolvibili, e le persone AI locali hanno esperienza in compiti più complessi o addirittura irrisolvibili. Sarà più facile con compiti semplici.
Ci sono compiti di riconoscimento audio, foto e video, fare diagnosi basate su sintomi, controllare robot e sciami di robot, ecc.
Al giorno d'oggi, ci sono pochi buoni professionisti. Si è arrivati al punto che per ottenere un buon lavoro alla SIBUR (anche nell'IT), devi solo superare un test del QI :D
Ci sono pochissime persone buone al momento. Si è arrivati al punto che per ottenere un buon lavoro alla SIBUR (anche nell'IT), devi solo superare un test del QI :D
C'è un'altra opzione - diventare un grant-earner)).
Se qualcuno ha idee per l'AI o altri progetti digitali che potrebbero essere realmente richiesti e ci sono clienti/mercati di vendita prevedibili, si potrebbe ottenere una sovvenzione di avvio fino a 3 milioni di rubli con la possibilità di pagare i dipendenti fino a 100.000 rubli al mese.
Di conseguenza, l'oggetto della proprietà intellettuale (programma, invenzione, ecc.) deve essere registrato
https://ит-гранты.рф/
Solo per i rapporti, le approvazioni, la valutazione, il business plan ecc. la carta dovrà essere spesa un fascio, se non uno)
Aree prioritarie:
https://ит-гранты.рф/pnp
Vedi come vedo il problema...
Vedo i dati come "Fette" di osservazioni, e non sempre della stessa lunghezza.
All'interno di questi "Slices" ci sono numeri di cluster, il numero di cluster può essere interpretato come uno stato, o meglio qualche evento...
L'evento in sé non significa nulla, la corretta sequenza degli eventi è importante + si deve ricordare che il 99% degli eventi sono spazzatura generata da noi stessi.
Quindi supponiamo che il mercato abbia una sequenza vincente di eventi (in un mucchio di spazzatura) come "1" - "2" - "3" - "SI".
Questo è ciò che intendo per "caffè preparato".
"1"- versare acqua, "2" - riscaldare "3"... ...e così via... Ovviamente la sequenza deve essere giusta.
I dati si presentano così, ma le linee saranno molto più lunghe.
Così, sto lavorando su un algoritmo che cercherà tali sequenze nascoste nel rumore...
Quindi domande per voi.
Può RNN trovare questo nel rumore?
e la RNN può prendere vettori di lunghezze diverse come input?
Penso che il rumore sia troppo per le reti qui, anche quelle più fighe come ltsm,gru, visto che lavorano con i testi, e non c'è nessun rumore...
Forse sto reinventando la ruota?
Vedi come vedo il problema...
Vedo i dati come "Fette" di osservazioni, e non sempre della stessa lunghezza.
All'interno di queste "fette" ci sono numeri di cluster, il numero di cluster può essere interpretato come uno stato, o meglio, un evento...
L'evento in sé non significa nulla, la corretta sequenza degli eventi è importante + si deve ricordare che il 99% degli eventi sono spazzatura generata da noi stessi.
Quindi supponiamo che il mercato abbia una sequenza vincente di eventi (in un mucchio di spazzatura) come "1" - "2" - "3" - "SI".
Questo è ciò che intendo per "caffè preparato".
"1"- versare acqua, "2" - riscaldare "3"... ...e così via... Ovviamente la sequenza deve essere giusta.
I dati si presentano così, solo che le linee saranno molto più lunghe
(Non riesco ancora a capire cosa cazzo sta succedendo)
Anche le immagini non funzionano.
Sì, più o meno così. La sequenza di eventi condizionali, ha bisogno di memoria. Ma riduciamo il numero di eventi raggruppandoli in pochi alternati.
otteniamo una funzione di tipo booleano 000011010110011 dove 0 e 1 sono eventi alternati. Dove l'input è una serie di n-eventi, noi prevediamo il prossimo. Ma questo richiede una maglia di ricorrenza, non classica. È possibile fare più cluster di 2Le immagini non funzionano, non ha funzionato neanche questo.
Basta cliccare sull'immagine, c'è qualche parola in più in basso.
Ma riduciamo il numero di eventi raggruppandoli in diversi alternati.
Queste domande per voi
La RNN può trovare questo nel rumore?
e la RNN può prendere vettori di lunghezze diverse come input?
Penso che il rumore sia troppo per le reti qui, anche quelle più fighe come ltsm,gru, visto che lavorano con i testi, e non c'è nessun rumore...
Forse sto reinventando la ruota.
Il rumore dovrebbe essere rimosso attraverso il livello di clustering
può prendere vettori di lunghezze diverse (non l'ho fatto, ma so che è possibile), ma se viene usato il livello di clustering, allora la questione è fuori questione
il rumore deve essere rimosso attraverso il livello di clustering
rumore, sono i cluster che sono inutili.
1 22 44 55 42 2 54 65 23 75 3 53 76 43 "SÌ"
Scoprirete che sono inutili e superflui solo dopo aver imparato, ma nel frattempo ostacolano l'apprendimento.
rumore, è un ammasso di rumore
1 22 44 55 42 2 54 65 23 75 3 53 76 43 "SÌ"
nessun cluster inutile