L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3203
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 mi interessano i vostri segnali.
Perché i nostri? I vostri.
Perché il nostro? Il tuo.
Ultimamente ti sei surriscaldato troppo, tu e Sanych prendetevi una vacanza.
Grazie, terrò sicuramente conto del tuo suggerimento nell'ordine del giorno.
Lira è in realtà in modalità OnlyClose da anni. È più utile applicare il MO al cardiogramma del vicino.
ZY Un problema di logica.
C'è un paese in cui tutto può essere acquistato solo in lire. E tutto (anche lo stipendio) ha un prezzo in dollari americani, che in lire dipende dal tasso di cambio.
E ora la lira è diventata tre volte più economica rispetto al dollaro americano. Era anche solo teoricamente possibile (per uno straniero o un locale) guadagnare su questo?
Premetto che non stiamo parlando della Turchia, ma di un certo modello ideale, che alla fine dovrebbe mostrare esattamente i guadagni in tempo reale. Turchia inclusa.
Lira è in realtà in modalità OnlyClose da anni. È più utile applicare la MO al cardiogramma del vicino.
Ci stiamo esercitando sui gatti. Ho appena visto che se c'è un comportamento regolare, l'algoritmo trova anche quello, non si riqualifica per il rumore.
Se l'occhio nudo lo vede, il MO lo troverà, ovviamente. Il compito del MO è diverso: trovare un modello dove non è visibile.
Se l'occhio nudo l'ha visto, il MO lo troverà sicuramente. Il compito dell'IO è diverso: trovare un modello dove non è visibile.
Se l'occhio nudo l'ha visto, il MO lo troverà sicuramente. Il compito dell'IO è diverso: trovare un modello dove non è visibile.
Mi dica, per favore, in che modo la regolarità differisce dall'apprendimento routinario dalla posizione del MO?
Per esempio, ho un'idea in testa di come dovrebbe apparire un pattern di 5 candele. Li segno sul grafico, eseguo lo script di esportazione dei prezzi, lo do in pasto alla rete neurale, questa impara come dovrebbero apparire i pattern e come non dovrebbero apparire (le etichette delle altre serie di prezzi sono diverse), e poi la mia rete neurale segna questi pattern sul grafico. In altre parole, non ho bisogno di scrivere "se, allora", la rete neurale ha imparato e capito da sola. Gli ho indicato con il dito cosa e come.
Ma ecco il compito "trovare un pattern", che cos'è, in che cosa differisce dall'esempio con l'apprendimento routinario?
Forse trovare un pattern è un compito troppo complicato e la rete neurale al momento si limita a mantenere l'apprendimento routinario in proporzione alla potenza del computer.
Mi spieghi, per favore, in che modo il patterning si differenzia dall'apprendimento casuale?
Per esempio, ho un'idea in testa di come dovrebbe apparire un pattern di 5 candlestick. Li segno sul grafico, eseguo lo script di esportazione dei prezzi, lo do in pasto alla rete neurale, questa impara come dovrebbero apparire i pattern e come non dovrebbero apparire (le etichette delle altre serie di prezzi sono diverse) e poi la mia rete neurale segna questi pattern sul grafico. In altre parole, non ho bisogno di scrivere "se, allora", la rete neurale ha imparato e capito da sola. Gli ho indicato con il dito cosa e come.
Ma ecco il compito "trovare un pattern", che cos'è, in che cosa differisce dall'esempio con l'apprendimento routinario?
Forse trovare un pattern è un compito troppo complicato e la rete neurale al momento si limita a mantenere l'apprendimento routinario in proporzione alla potenza del computer.
Due circostanze:
1. È possibile contrassegnare qualsiasi cosa. Il problema in futuro: con quale errore il MO troverà ciò che avete segnato.
2. La vostra "marcatura" non ha nulla a che fare con il MO, il cui significato è diverso, ad esempio: formiamo dei "maestri", cioè segniamo le aree del kotir, che sono garantite per avere, ad esempio, tronchi e pantaloncini. Poi diamo all'algoritmo MO questo "maestro" e un certo insieme di dati di input, per esempio i valori degli indicatori. L'algoritmo MO forma alcuni insiemi di valori di indicatori che corrispondono ai valori dell'insegnante. Questi sono i modelli. In linea di principio, questi pattern non sono nulla per noi, ma la cosa più sorprendente è che in futuro questi pattern si ripetono, anche se con qualche errore.
Due circostanze:
1. È possibile contrassegnare qualsiasi cosa. Il problema in futuro è: con quale errore il vostro MoD troverà ciò che avete contrassegnato.
2. La vostra "marcatura" non ha nulla a che fare con il MO, il cui significato è diverso, ad esempio: formiamo un "insegnante", cioè segniamo le aree del kotir, che sono garantite per avere, ad esempio, tronchi e pantaloncini. Poi diamo all'algoritmo MO questo "maestro" e un certo insieme di dati di input, per esempio i valori degli indicatori. L'algoritmo MO forma alcuni insiemi di valori di indicatori che corrispondono ai valori dell'insegnante. Questi sono i modelli. In linea di principio, questi modelli non sono nulla per noi, ma la cosa più sorprendente è che in futuro questi modelli si ripetono con un certo errore.