L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1003
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
Ciao Misha!
Sì, è il momento di ripensare a tutti gli sforzi dei neuralnetworkers e alle loro deboli speranze per il solo strumento. Niente aiuterà - né le foreste, né le steppe - se i dati di ingresso non sono preparati.
E sì - non c'è concorrenza, c'è un problema e c'è un generale scempio.
Se sai come preparare i dati, vai avanti. L'umanità vi ringrazierà.
Da parte mia, suggerisco di guardare i grafici a 1,5 giorni di EURUSD:
Sulle classifiche in basso:
a sinistra è il numero di tick reali nella finestra temporale scorrevole = 4 ore
A destra - quantità di incrementi e dispersione di questo processo.
Come si può vedere, infatti la varianza è direttamente correlata al numero di quotazioni in tick nella finestra scorrevole.
È ragionevole supporre che quando si aumenta la dimensione della finestra scorrevole (per esempio, fino a 1 giorno), la varianza del processo sul lato destro sarà quasi costante.
Condizionatamente un tale processo può essere considerato stazionario e gli strumenti delle reti neurali possono essere applicati ad esso.
Alexander, il tuo problema è che consideri Kotir come un BP instabile e niente di più. Te l'ho già detto. Provate a fare il test per il certificato cfr 1.0 per i trader che lavorano per le banche (potrei aver sbagliato il nome). Sareste sorpresi di quanto sia vario il mercato in generale. Una cosa che non si può fare con i dati storici è....
Misha, non sto discutendo - potrei sbagliarmi su qualcosa. Ma vedo una vera crisi del genere in questo ramo.
Ho una cosa fantastica tra le mani - il pacchetto NeuralNet per VisSim - e ho paura persino di toccarlo, perché vedo che persone molto intelligenti non sono in grado di fare nulla qui.
Se nel mio ramo so qualcosa sui processi di diffusione, qui devo leggere e imparare. Cosa c'è da imparare? Che "è tutto finito, le reti neurali non funzionano..."? Hai bisogno di almeno 1 persona con un segnale positivo, anche se è +1% al mese. Ispirerebbe davvero molte persone e me compreso.
.
Se nel mio ramo, nei processi di diffusione, lo so, qui devo ancora leggere e imparare. Cosa c'è da imparare? Che "è tutto finito, le reti neurali non funzionano..."? Hai bisogno di almeno 1 persona con un segnale positivo, anche se è +1% al mese. Questo ispirerebbe davvero molte persone, me compreso.
Per favore
La formula per calcolare l'errore è indicata nell'intestazione della tabella. Mi spiego sull'ultimo esempio nnet: 204/(204+458) = 30,8%, cioè il modello ha dato un totale di 662 unità, di cui 204 false.
I risultati sono quasi gli stessi su 12 coppie di valute, cioè la performance del modello è quasi indipendente dal modello e dalla coppia di valute.
Questo risultato è ottenuto grazie ad un attento lavoro con predittori la cui capacità predittiva cambia molto poco quando si esegue una finestra di 500 candele su un file di 5000 candele. I cambiamenti sono entro il 5%.
PS.
Non posso ancora mostrare il tester - è bloccato nell'applicazione del tester per i file oltre 1000 barre.
Ho comprato un non-network da alcune persone. Sto costruendo una rete simile a sigmoid. Ho testato su m15 per 3 anni. Nell'ultimo semestre non l'ho testato affatto per vedere come può funzionare. L'ho impostato e tutto è bello nel tester. L'ho testato su citazioni reali e ho perso tutto. Sono in rosso. Ho provato con diversi broker. Dopo aver letto il thread, come ho capito, la rete neurale non funziona nei mercati?
Come hai fatto a comprare un gatto in un poke? Mi dispiace.
Come hai fatto a comprare un gatto in un poke? Mi dispiace sentire questo.
Compravo un altro prodotto da loro e non avevo problemi. Ma qui è iniziato tutto.
Come hai fatto a comprare un gatto in un poke? Mi dispiace.
È tutto legittimo: chi fa dolcetto o scherzetto è destinato a essere punito. SEMPRE.