L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1452
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
Penso che sia una ristampa di roba che ho letto circa 6-7 anni fa, ma riguarda il trading di volatilità, un paio di volte mi sono chiesto come simulare il trading di opzioni attraverso ordini regolari - non ho trovato nulla
Questo è relativamente nuovo, per quanto ne so. Anche se gli approcci non sono nuovi in linea di principio. L'esempio su python è datato approssimativamente quando il metodo è stato proposto. La gente ci fa delle conferenze
La volatilità grezza è relativamente nuova, per quanto ne so. L'esempio di Python è proprio di quando il metodo è stato proposto. La gente ci fa delle conferenze.
No, la volatilità approssimativa è googlata e articoli del 2014, ma non importa - stiamo parlando di trading tramite derivati finanziari, giusto?
No, la volatilità approssimativa è googlata e articoli del 2014, ma non importa - stiamo parlando di trading tramite derivati, giusto?
Non sei obbligato a farlo, le opzioni sono trading di volatilità, ma puoi usare strats per spot.
Ci sono essenzialmente 2 strats - mean reversion e volatility breakout. Penso che dobbiamo pensare a come applicare uno di loro.
PS sì, l'articolo nell'archivio è stato pubblicato nel 2014
Hai letto troppa narrativa?
haha
Aleksey Vyazmikin:
La seconda strategia con il risultato 0,65 - non è una fantasia, la decisione viene presa solo dopo l'1, ma è possibile identificare l'1 nel 23% dei casi e correttamente identificato nel 65% di questo 23%. Si noti che i rischi sono circa 1 a 1,3 quando si apre una posizione, ma sono parzialmente coperti dal trawl - il saldo sarà abbastanza ondulato (l'equity o il saldo non fa differenza a causa degli stop ragionevoli).
Non sto sostenendo che sia fantastico come per ZZ, è facile ottenere il 95% ma è inutile, voglio dire il 65% delle previsioni del movimento dei prezzi puramente futuro senza commistione del passato che influisce direttamente sull'ASR.
Vecchi fratelli nel commercio, da qualche parte nel selvaggio del ramo ha suggerito di testare sul SB, prendere il prezzo invece di SB e vedere cosa sarà akurasi e tutto il resto, se chiaramente oltre 55% allora ovviamente da qualche parte è un casino, perché SB non può prevedere molto più di 50%, ma con ZZ che prezzo che SB altrettanto "cool" previsto, che cosa significa? Che SB può essere scambiato?Non necessariamente, le opzioni sono trading di volatilità, ma è possibile applicare le strategie allo spot
Ci sono essenzialmente 2 strats - mean reversion e volatility breakout. Penso che dobbiamo pensare a come usare uno di loro.
PS sì, l'articolo nell'archivio è stato pubblicato nel 2014
Ho ancora molto tempo per leggere i vostri link, continuo ad essere coinvolto in q-learning, ho molto da leggere
Non so come applicare il valatility trading allo spot, il meglio che posso offrire sono semplici griglie )))
Non riesco a leggere i vostri link, continuo ad essere trascinato in q-learning, ho bisogno di leggere molto
Non so come applicare il valatility trading allo spot, il massimo che posso offrire sono semplici griglie )))
sul cunnilingualismo Sutton, Barto. Ho la vecchia versione del libro in russo, quella nuova è solo in inglese su google. Il nuovo con esempi in python.
sul cunnilingualismo di Sutton, Barto. La vecchia versione del libro è in russo, quella nuova è solo in inglese su google. Il nuovo ha esempi in python.
Sì scaricato, letto un sacco di roba.
SZY: ho scavato gli esempi su CNTK nella rete, sembra che non sia difficile fare LSTM in C#, un problema, Microsoft è pigra, anche sulla pagina ufficiale di CNTK mi mandano a studiare l'API da Python, dicono che qui c'è un manuale, usa anche lì
https://bhrnjica.net/2017/12/07/cntk-106-tutorial-time-series-prediction-with-lstm-using-c/
Sì scaricato, letto molto, e bisogno di controllare anche questo kuni ))))
ZS: ci sono esempi di CNTK nella rete, sembra che non sia difficile fare LSTM in C#, un problema, Microsoft è pigra, anche sulla pagina pubblica di CNTK mandano a studiare API da Python, dicono che qui c'è un manuale, usate anche lì
https://bhrnjica.net/2017/12/07/cntk-106-tutorial-time-series-prediction-with-lstm-using-c/
hanno una specie di illiquidità, non so chi la usa
provare 2 strati e ridurre il numero di neuroni negli strati, fino a 1 in ogni strato.
prima della linea verticale bianca - campione, dopo - oos
più neuroni - più probabilità di adattamento (più gradi di libertà), provate a ridurre il numero di neuroni finché il neurone può arrivare a risultati almeno un po' sensati.
Cioè, più chiare sono le informazioni negli input e più ruvide sono le maglie, meglio è.
Vladimir, ciao!
Come va con lo script che ti ho mandato, hai provato a sperimentarlo? Forse hai sviluppato l'idea e l'approccio di regressione?