L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3042
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Estrazione di alcune regole/strategie "buone" dai dati...
Fase completa
1) trasformazione e normalizzazione dei dati
2) formazione del modello
3) estrazione delle regole
4) filtraggio delle regole
5) visualizzazione
codice pronto, basta sostituire i dati.
La domanda è: se è possibile trovare "TC funzionanti" in modo casuale, quali sono i modi per dimostrare che i TC trovati su dati reali non sono casuali?
Alexey lo sta facendo qui, mi chiedo se esista un test statistico per questo tipo di compiti.
Perché? Per superare Lilith? Anche se cosa sarebbe ..... ... ... ... Mi piacerebbe )))))))))))))))))))))))) Uno strumento davvero fantastico in mani esperte).
Perché? Per superare Lilith? Anche se cosa ..... ... ... ... ... )))))))) È uno strumento davvero fantastico nelle mani giuste).
È una programmazione di meta-livello, e in più conosce perfettamente python. Faccio anche dei prompt a voce mentre sono sdraiato sul divano. Spesso mi capita di avere delle idee, ma sono troppo pigro per scrivere di nuovo il codice :)
Sono d'accordo, la domanda giusta è un meta-livello))))
Bene e verificare la correttezza dell'esecuzione del codice)Sono d'accordo, una domanda posta correttamente è un meta-livello)))))
E controllare la correttezza dell'esecuzione del codice).Estrarre alcune regole/strategie "buone" dai dati...
Passo completo
1) trasformazione e normalizzazione dei dati
2) formazione del modello
3) estrazione di regole
4) filtraggio delle regole
5) visualizzazione
codice pronto, basta sostituire i dati
La domanda è: se si possono trovare "TC funzionanti" in modo casuale, in che modo si può dimostrare che i TC trovati sui dati reali non sono casuali?
Alexey lo sta facendo qui, mi chiedo se esista un test statistico per questo tipo di compiti.
Il problema principale dell'applicazione di matstat a questo tipo di problemi è che la ricerca dei TC viene effettuata selezionando un gran numero di varianti. È sempre possibile scegliere qualcosa di molto bello da un ampio insieme di varianti - con un semplice esempio ho dimostrato qui che modellando i prezzi come SB, è sempre possibile "trovare" una buona ora della settimana per il trading. E sono solo 120 le varianti tra cui scegliere.
Il matstat non dice che il TS selezionato è necessariamente negativo, dice solo che tale risultato può (NON DEVE) essere solo il risultato della selezione dal SB.
Estrarre alcune regole/strategie "buone" dai dati...
Ricevo un errore all'avvio
È sorta una domanda puramente teorica: è possibile utilizzare un modello ONNX per ricavare un altro modello ONNX? Ad esempio, il primo modello viene utilizzato per riqualificarsi periodicamente su nuovi dati e aggiornare il modello di lavoro. Cioè, senza usare python ecc.
A prima vista, è improbabile che ciò sia possibile, ma nel caso in cui qualcuno abbia provato a fare qualcosa di simile.
Non sono riuscito a ottenere risposte significative dall'IA - scrive che può farlo e cita riferimenti che non hanno nulla a che fare con la domanda).