L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2568
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
Giudicare perché?
Ho esaminato i link su entrambi i suoi siti - ci sono implementazioni dell'idea in MO anche lì. Il suo punto è implementato come un grande insieme di contesti, ognuno dei quali è una maglia separata (autoencoder, per esempio).
Ho fatto scorrere i link su entrambi i suoi siti web - ci sono implementazioni dell'idea nel MO. La sua idea è implementata come un grande insieme di contesti, ognuno dei quali è una griglia separata (autoencoder, per esempio).
Ah, intendi solo la realizzazione del contesto? Ho pensato alla sua IA nel suo insieme, scusa, non ero attento.
Ecco il discorso di Alexey dove parla del suo modello di IA (senza antichi, filosofia, ecc.)
Parla alla comunità AGI, queste sono le persone che stabiliscono le tendenze negli algoritmi, conoscono bene le reti, il reinforcement learning, ecc.
Molto interessante per me vedere, capire e realizzare quanto siano primitivi i nostri approcci al mercato
L'IA è la capacità di una macchina di costruire un NS per risolvere problemi composti che si presentano :)
Inizialmente, c'è bisogno di un algoritmo che descriva gli ostacoli prima di raggiungere l'obiettivo, e l'IA deve scomporli e costruire reti per risolverli - con la configurazione della rete che viene determinata da sola.
A mio parere, ciò che conta di più è la comprensione della matematica finanziaria moderna e del MOI utilizzato in essa. Questo è necessario se non altro perché sono utilizzati da tutti i grandi produttori di prezzi.
Lezione sull'argomento su youtube.
A mio parere, ciò che conta di più è la comprensione della matematica finanziaria moderna e del MOI utilizzato in essa. Questo è necessario se non altro perché sono utilizzati da tutti i grandi produttori di prezzi.
Lezione sull'argomento su youtube.
Cosa c'è da capire della matematica finanziaria e del MO, è necessario conoscere la meccanica del mercato e i suoi giocatori
La folla è destinata a perdere nella maggior parte dei casi, perché il suo contro-agente è un "giocatore importante".
1) bisogna vedere uno squilibrio di acquirenti e venditori al dettaglio, per esempio se ci sono molti venditori, allora il "grande giocatore" (l'acquirente) è dall'altra parte dell'affare
Come ora sull'ebreo, per esempio, molti venditori
2) C'è anche il trading nel momento contro la folla - questo è un market maker
Si vede sempre che il prezzo si muove contro la folla (correlazione inversa).
Mentre la folla compra e crede nella crescita, il prezzo scenderà e viceversa...
Questo è tutto il mercato...
p.s. E il video di sicuro
Quindi, per ogni predittore si prende una regola come 0,5<X<7,3,
Sì, diciamo così.
poi costruiamo il numero di tutte le combinazioni possibili
No, ora prendiamo l'esecuzione della regola di disuguaglianza come una e guardiamo il valore medio del target (diciamo per la classificazione binaria) quando la regola viene attivata dal campione, se il valore medio iniziale, diciamo, 0,45 nel campione, e dopo la valutazione solo dalle risposte è diventato 0,51, allora consideriamo che il predittore (la sua trama/quantità) ha un potere predittivo di 0,06, cioè il 6%.
Raccogliamo molti di questi predittori con sezioni, che sono già predittori binari indipendenti e li usiamo per costruire un modello.
Combinare tutti questi quanti con tutti (con o senza potere predittivo) non è davvero un lavoro veloce, ma può non essere irragionevole se fatto con un predittore di base su cui si identifica un quanto con potere predittivo.
In generale, per piccoli N (dipende dalla dimensione del campione) potrebbe funzionare, ma per quelli più grandi sarebbe un sovrallenamento.
Ma anche in teoria questo sovrallenamento sarà minore, dato che ci sono meno combinazioni possibili che nel campione completo.
Resta da capire perché tali regolarità quantistiche possano funzionare per 7 anni e poi improvvisamente smettere di funzionare...
Test per diversi tipi di tendenze fuori dalla scatola
R migliore!!!!
No, ora prendiamo l'esecuzione della regola di disuguaglianza come una e guardiamo il valore medio del target (diciamo per la classificazione binaria) quando la regola viene attivata dal campione, se il valore medio originale è, diciamo, 0,45 nel campione, e dopo la valutazione per sola risposta è 0,51, allora consideriamo che il predittore (il suo grafico/quantum) ha un potere predittivo di 0,06, cioè il 6%.
Non c'è molta differenza (in termini di combinatoria) nel modo in cui questo è codificato esattamente. Il punto è lo stesso - ogni linea ha come caratteristiche quali regole sono applicate e quali no. È sempre 2^N varianti, dove N è il numero di regole. Dopo di che ognuna di queste regole sarà inclusa nell'insieme finale di 2^(2^N) varianti. È chiaro che è impossibile provare solo formalmente un numero così grande di varianti. Ecco perché ha senso organizzarli in modo ragionevole. Per esempio, prima prendiamo tutte le varianti descritte da una sola regola, poi tutte le varianti descritte da due sole regole e così via. O qualcosa del genere.
Quello che resta da capire è perché tali regolarità quantistiche possono funzionare per 7 anni e poi improvvisamente fermarsi...
Prima o poi molti altri giocatori li troveranno, per esempio.