L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2690

Nuovo commento
 
Maxim Dmitrievsky #:
Cosa intendi per "non serio"? Le reti neurali a 3 piani ovviamente, ma non è serio nemmeno usarle per le serie temporali. I modelli semplici addestrati sono facilmente trasferibili

Ovviamente bisogna essere più specifici. Per modelli semplici come la regressione logistica, i modelli a legno, ecc. è probabilmente possibile. Ma sto parlando di modelli seri per dati TC e tabellari. Queste due aree sono diventate molto divise e specializzate. Per i dati tabellari, utilizzati principalmente nell'apprendimento automatico, TabNet(paper, implementazioni (py) 1, 2, 3) è molto promettente. E molti altri pacchetti che danno ottimi risultati. Ecco un elenco di quelli che ho ricercato e che uso parzialmente.

conda environments:
#
 base                  *  C:\Users\User\AppData\Local\R-MINI~1
PressPurtEnv             C:\Users\User\AppData\Local\R-MINI~1\envs\PressPurtEnv
aif360                   C:\Users\User\AppData\Local\R-MINI~1\envs\aif360
autogluon                C:\Users\User\AppData\Local\R-MINI~1\envs\autogluon
autokeras                C:\Users\User\AppData\Local\R-MINI~1\envs\autokeras
autopt                   C:\Users\User\AppData\Local\R-MINI~1\envs\autopt
darts                    C:\Users\User\AppData\Local\R-MINI~1\envs\darts
deap                     C:\Users\User\AppData\Local\R-MINI~1\envs\deap
deepxf                   C:\Users\User\AppData\Local\R-MINI~1\envs\deepxf
evalml                   C:\Users\User\AppData\Local\R-MINI~1\envs\evalml
fastai                   C:\Users\User\AppData\Local\R-MINI~1\envs\fastai
fedot                    C:\Users\User\AppData\Local\R-MINI~1\envs\fedot
flash                    C:\Users\User\AppData\Local\R-MINI~1\envs\flash
gluon                    C:\Users\User\AppData\Local\R-MINI~1\envs\gluon
ludwig                   C:\Users\User\AppData\Local\R-MINI~1\envs\ludwig
mindsdb                  C:\Users\User\AppData\Local\R-MINI~1\envs\mindsdb
mlbox                    C:\Users\User\AppData\Local\R-MINI~1\envs\mlbox
mlr3keras                C:\Users\User\AppData\Local\R-MINI~1\envs\mlr3keras
mlsauce                  C:\Users\User\AppData\Local\R-MINI~1\envs\mlsauce
nni                      C:\Users\User\AppData\Local\R-MINI~1\envs\nni
poutyne                  C:\Users\User\AppData\Local\R-MINI~1\envs\poutyne
pycaret                  C:\Users\User\AppData\Local\R-MINI~1\envs\pycaret
pycaret-ts               C:\Users\User\AppData\Local\R-MINI~1\envs\pycaret-ts
pymc_env                 C:\Users\User\AppData\Local\R-MINI~1\envs\pymc_env
r-gluonts                C:\Users\User\AppData\Local\R-MINI~1\envs\r-gluonts
r-gluonts1               C:\Users\User\AppData\Local\R-MINI~1\envs\r-gluonts1
r-reticulate             C:\Users\User\AppData\Local\R-MINI~1\envs\r-reticulate
r-torch                  C:\Users\User\AppData\Local\R-MINI~1\envs\r-torch
reservoir                C:\Users\User\AppData\Local\R-MINI~1\envs\reservoir
skorch                   C:\Users\User\AppData\Local\R-MINI~1\envs\skorch
sktime-dl                C:\Users\User\AppData\Local\R-MINI~1\envs\sktime-dl
terchmeta                C:\Users\User\AppData\Local\R-MINI~1\envs\terchmeta

Non tutti sono utilizzati, principalmente a causa dei limiti di potenza della macchina e delle preferenze personali. Per me allenarmi e ottimizzare per più di un'ora non è interessante.

Non credo sia possibile trasferire questi modelli in MCL. E qui non si può fare a meno di creare un'infrastruttura per collegare MKL<->Python.

Questa è un po' una digressione, ma l'argomento è importante per me.

L'idea principale, ripeto: ogni sviluppatore, che sia un freelance, un marketer o un trader di forex/criptovalute, ha il suo linguaggio "preferito" e le sue biciclette "preferite" con le stampelle. Dobbiamo condividere l'esperienza d'uso, non discutere su cosa sia meglio. E soprattutto non discutere sul futuro della JA.

E non prendere un'osservazione come un'offesa personale. Non siamo all'asilo.

Buona fortuna a tutti.

tabnet
tabnet
  • 2020.08.26
  • pypi.org
Tensorflow 2.0 implementation of TabNet of any configuration.
 
Vladimir Perervenko #:

Naturalmente è necessario chiarirlo. Per modelli semplici come la regressione logistica, i modelli ad albero, ecc. è probabilmente possibile. Ma sto parlando di modelli seri per dati TC e tabellari. Queste due aree sono diventate molto divise e specializzate. Per i dati tabellari, utilizzati principalmente nell'apprendimento automatico, TabNet(paper, implementazioni (py) 1, 2, 3) è molto promettente. E molti altri pacchetti che danno ottimi risultati. Ecco un elenco di ciò che ho ricercato e parzialmente utilizzato.

Non tutti sono utilizzati, principalmente a causa dei limiti di potenza della macchina e delle preferenze personali. Per me allenarmi e ottimizzare per più di un'ora non è interessante.

Non credo sia possibile trasferire questi modelli in MCL. E qui non possiamo fare a meno di creare un'infrastruttura per collegare MKL<->Python.

Questa è un po' una digressione, ma l'argomento è importante per me.

L'idea principale, ripeto: ogni sviluppatore, che sia un freelance, un marketer o un trader di forex/criptovalute, ha il suo linguaggio "preferito" e le sue biciclette "preferite" con le stampelle. Dobbiamo condividere l'esperienza d'uso, non discutere su cosa sia meglio. E ancora di più non discutere sul futuro delle API.

Buona fortuna a tutti.

Dati tabellari = serie temporali sotto forma di tabelle, sono cose diverse, dopo tutto.

Non si tratta di offesa, ma di esperienza nella scrittura di diversi TC. A volte è divertente leggere quando una rete di 500 livelli è allegata a un grafico di quotazioni.
 
Maxim Dmitrievsky #:
Dati tabellari != serie temporali come tabelle, sono cose diverse dopo tutto

Non si tratta di offesa, ma di esperienza nella scrittura di diversi TS. A volte è divertente leggere quando una rete di 500 livelli è allegata a un grafico di quotazioni.

Naturalmente, i dati tabellari e le serie temporali sono cose diverse.

E non si può discutere.

Particolarmente divertenti sono le serie di articoli come La rete neurale è semplice. Come esempio di programmazione su MKL - buono, ma per la pratica - zero. Beh, questo è già un brontolio.

Buona fortuna a tutti

 
Vladimir Perervenko #:

Ovviamente i dati tabellari e le serie temporali sono cose diverse.

Non si può discutere su questo.

Particolarmente esilarante è la serie di articoli come La rete neurale è semplice. Come esempio di programmazione su MKL - buono, ma per la pratica - zero. Beh, questo è già un brontolio.

Buona fortuna a tutti

Leggete se non l'avete ancora visto.

c'è una classifica dei classificatori

https://www.timeseriesclassification.com

Per quanto ricordo, le reti neurali non erano in cima alla lista.
 

TabNet dipende fortemente dal set di dati e dalle caratteristiche selezionate.

A volte non c'è quasi nessuna differenza con altri classificatori

Vorrei quindi una maggiore specificità quando mi spinge ad applicare qualcosa. Questo classificatore è così superiore?

https://arxiv.org/pdf/1908.07442.pdf

Ho provato architetture simili per sintetizzare nuovi dati. Tutte le reti neurali hanno funzionato peggio della GMM sulle serie temporali del forex (meno plausibili). Mentre su semplici dati tabellari hanno funzionato bene. Non ricordo se c'era Tabnet.

Per questo ho scritto una precisazione: se i dati tabellari sono sotto forma di tabelle, i risultati saranno peggiori.
 
Vladimir Perervenko #:

Di cosa si sta parlando. Gli scambi di criptovalute (in particolare Binance) forniscono...

Avevo pensato anch'io di ficcare il naso nelle bibbie, ma ci ho pensato e mi è dispiaciuto per il tempo....

È difficile per un pitonista quando tutti scrivono in R nel thread))))
Oh, come mai? Python è al top, come mai? )))))) non è il top decide cosa è meglio?
 
mytarmailS #:
Ho pensato anch'io di ficcare il naso nelle Bibbie, ma ci ho pensato e mi dispiace per il tempo...

È difficile per un pitonista quando tutti scrivono in R in un ramo)))
Oh, come mai? Python è al top, come mai?)))))) non è al top decide cosa è meglio?
Non c'è nessun SDK, solo bibbie di sinistra. API ufficiali solo per Java e Python. È di nuovo tutto finito.

Cosa stai scrivendo lì? Almeno mostrami una soluzione. Piselli. Poi ficca il naso in quello che scrivi.

Dov'è almeno una soluzione integrata normale? Una che possa essere utilizzata senza lacrime di dolore e di commozione 😀

Alexey ha realizzato una soluzione normale con catbust, versione terminale. Ho suggerito un analogo tramite python. Tutto funziona nel terminale.

C'è lo stesso per LGBM
Le mie soluzioni ZY sono utilizzate sul mercato dagli sviluppatori, il che lascia intendere che sono integrate. E in 2 click.


Quando ironizzate, guardate prima cosa avete fatto voi stessi... e in effetti niente, avete trasformato i pacchetti in R.

Potete lanciarvi pacchetti l'un l'altro su un altro forum, credo che non cambierà nulla in termini di sviluppo del MO nel trading.

 

Quando si utilizza R, il prodotto è così bello che è un peccato venderlo 😁

Sono assolutamente d'accordo sul fatto che il prodotto finale (per mt5) dovrebbe consistere in un file ex5 senza alcuna integrazione e (preferibilmente) senza file aggiuntivi. La storia dell'ottenimento non è così importante - la cosa principale è che deve funzionare (o essere venduto).

 
Aleksey Nikolayev #:

L'utilizzo di R rende un prodotto così bello che è un peccato venderlo 😁

Sono assolutamente d'accordo sul fatto che il prodotto finale (per mt5) dovrebbe consistere in un file ex5 senza alcuna integrazione e (preferibilmente) senza file aggiuntivi. La storia dell'ottenimento non è così importante - la cosa principale è che deve funzionare (o essere venduto).

Sono d'accordo e penso che questo sia il modo giusto. Tutto dovrebbe essere contenuto nell'exe, non dovrebbe essere necessario tirare fuori nulla. Altrimenti non è un prodotto da vendere.

 
Valeriy Yastremskiy #:

Sono d'accordo e penso che questo sia il modo giusto. Tutto dovrebbe essere nell'exe, non dovrebbe essere tirato fuori nulla. Altrimenti non è un prodotto di vendita.

Dillo ad Amazon e Google. Che non costruiscono il loro business correttamente e la loro infrastruttura è sbagliata :-)

1...268326842685268626872688268926902691269226932694269526962697...3399
Nuovo commento
Motivazione: