L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 17
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
La mia esperienza di speculazione azionaria è iniziata con gli assegni di Borovoy. Prima di questo, ho passato altri 20 anni investendo nel settore reale.
E tu, quando sono nati gli assegni?
Quindi qualsiasi nonnina sul mercato può essere chiamata praticante. Avete una pratica di TS redditizia? Stat. significativo TS redditizio - migliaia di scambi non sovrapposti?
George Soros, chiamatelo un praticante di TS algoritmico redditizio! È uno zero assoluto in questo campo. Sei molto più competente di lui, senza sarcasmo. Ma questo non la rende non un teorico.
Anton Zverev
Non facciamo questo tipo di conversazione, le persone che imparano e condividono le loro esperienze qui sono disposte ad aiutarsi a vicenda, mentre tu prendi la posizione che tu sei stupido e io so tutto) È meglio che mi aiuti a capire cosa pensi e cosa sai che è giusto.
Hai un tono inappropriato tra le righe, non nel testo (leggilo). Con gli sviluppatori e i moderatori può essere, conversazioni molto più dure, ottenere bannato per un giorno / settimana per insultare l'autostima)) Non preoccupatevi, insomma. Sono buono!
Ildottor Trader l'ha capito subito. Dice le cose come stanno. Quindi, rispetto e ammirazione per lui.
Poi ho fatto una specie di indicatore, ho preso la somma cumulativa di tutti i prezzi di acquisto e anche la somma per il profitto, costruito la loro differenza e ottenuto un indice, quando l'ho confrontato con il prezzo sembrava muoversi quasi inversamente al prezzo, la correlazione era -0,7 a -0,9, semplicemente parlando il mercato va contro le sue stesse statistiche, questo è qualcosa su cui riflettere e riconsiderare
Non c'è niente di interessante lì, sono le conclusioni stesse che sono interessanti...
sembra http://prntscr.com/aqg96r al massimo...
E per riprodurlo, bisogna scrivere del codice per cercare dei modelli, poi eseguirlo per un paio di giorni per elaborare diversi anni di storia
Ciao!
Qualcuno ha lavorato con depmixS4 ? o in generale con i modelli di Markov nascosti in R, ho un'idea interessante e ho alcune domande
Ciao!
Qualcuno ha lavorato con il pacchetto depmixS4 ? o in generale con i modelli di Markov nascosti in R, ho un'idea interessante e ho alcune domande
Non c'è niente di interessante lì, sono le conclusioni stesse che sono interessanti...
sembra http://prntscr.com/aqg96r al massimo...
Per riprodurlo, è necessario scrivere un codice di ricerca del modello e poi eseguirlo per un paio di giorni per elaborare diversi anni di storia
Lo scopo di qualsiasi algoritmo di apprendimento automatico è quello di cercare modelli. Ho dato un esempio di alberi sopra. Potete stamparli e vedere quali modelli sono stati trovati. Per 100 predittori con 18000 barre ci vogliono pochi minuti.
Non lo farò (ma leggerò le vostre idee con interesse.
Ieri sono stato ispirato da questo articolo o blog https://forum.mql4.com/ru/26460 non importa, l'idea è quella di dividere il grafico in frequenze, imporre un sistema di trading su di esse e identificare solo quelle frequenze (parti del grafico) in cui il sistema fa soldi, e utilizzare questo sistema per commerciare solo quelle frequenze
Continuavo a pensare a come poteva essere fatto più facilmente e più velocemente (per l'autore, ci sono volute 16 ore per calcolare una frequenza e l'autore aveva 500 frequenze)
Mi sono ricordato che mi dilettavo, anche se molto superficialmente, con SMM (modelli di Markov nascosti). SMM è usato per la previsione probabilistica di processi non stazionari, il riconoscimento vocale, ho anche letto da qualche parte che hanno cercato di prevedere le macchie solari...
Ho cercato di applicarli al mercato nella loro forma pura, come una rete o RF, come un obiettivo e andare avanti... Non ho ottenuto buoni risultati, anche se ci sono persone che ne hanno ricavato qualcosa (per esempio http://www.quantalgos.ru/?p=1759).
L'idea di SMM è di dividere un oggetto in n stati e stimare la probabilità di transizione da uno stato all'altro. Propongo di dividere il mercato in un mucchio di stati, supponiamo 10, ritagliare dal grafico tutte le sezioni che corrispondono a ben dire, lo stato №5 e incollarle insieme, come risultato (in teoria) si ottiene una serie stazionaria che sarà stabile (in teoria)i suoi attributi, valutandolo anche visivamente è possibile fare un sistema di trading su di esso, ottimizzarlo e quando la stessa condizione di mercato si verificherà di nuovo può essere scambiato e dovrebbe fare soldi (in teoria) perché la nuova serie avrà gli stessi attributi della precedente
Per cominciare basta ritagliare sezioni di uno stato e incollarle insieme, e basta guardare visivamente e valutare se è stazionario, poi se tutto è "pari") allora bisogna prendere e guardare la qualità del riconoscimento dei nuovi stati, cioè se lo stato previsto numero 5 corrisponde al vecchio stato trovato numero 5, se entrambi i test dicono "sì", allora ha senso sviluppare l'idea.
Sono sicuro di non aver detto qualcosa e qualcosa non è chiaro, chiedete, risponderò se conosco la risposta).
Ieri sono stato ispirato da questo articolo o blog https://forum.mql4.com/ru/26460 non importa, l'idea è quella di dividere il grafico in frequenze, imporre un sistema di trading su di esse e identificare solo quelle frequenze (parti del grafico) in cui il sistema fa soldi, e utilizzare questo sistema per commerciare solo quelle frequenze
Continuavo a pensare a come poteva essere fatto più facilmente e più velocemente (per l'autore, ci sono volute 16 ore per calcolare una frequenza e l'autore aveva 500 frequenze)
Mi sono ricordato che mi dilettavo, anche se molto superficialmente, con SMM (modelli di Markov nascosti). SMM è usato per la previsione probabilistica di processi non stazionari, il riconoscimento vocale, ho anche letto da qualche parte che hanno cercato di prevedere le macchie solari...
Ho provato ad applicarli al mercato nella loro forma pura, come una rete o RF, come un obiettivo e andare avanti... Non ho ottenuto buoni risultati, anche se ci sono persone che ne hanno ricavato qualcosa (per esempio http://www.quantalgos.ru/?p=1759).
L'idea di SMM è di dividere un oggetto in n stati e stimare la probabilità di transizione da uno stato all'altro. Propongo di dividere il mercato in un mucchio di stati, supponiamo 10, ritagliare dal grafico tutte le sezioni che corrispondono a ben dire, lo stato №5 e incollarle insieme, come risultato (in teoria) si ottiene una serie stazionaria che sarà stabile (in teoria)i suoi attributi, valutandolo anche visivamente è possibile fare un sistema di trading su di esso, ottimizzarlo e quando la stessa condizione di mercato si verificherà di nuovo può essere scambiato e dovrebbe fare soldi (in teoria) perché la nuova serie avrà gli stessi attributi della precedente
Per cominciare basta ritagliare sezioni di uno stato e incollarle insieme, e basta guardare visivamente e valutare se è stazionario, poi se tutto è "pari") allora bisogna prendere e guardare la qualità del riconoscimento dei nuovi stati, cioè se lo stato previsto numero 5 corrisponde al vecchio stato trovato numero 5, se entrambi i test dicono "sì" allora ha senso sviluppare l'idea.
Sono sicuro di non aver detto qualcosa e qualcosa non è chiaro, chiedete, risponderò se conosco la risposta)
È possibile dividere una serie in parti (quantizzare) mediante clustering o, ad esempio, mediante convoluzione con SCS (Kohonen). E poi si tratta di pura sperimentazione.
I cluster sono un po' diversi, diciamo che ora il mercato corrisponde al cluster #5, la prossima candela sarà il cluster #18, non ci darà nulla perché non avremo il tempo di tradare il cluster #5, e nel SMM c'è il concetto di stato, lo stato può durare per un certo tempo.
O forse non ho capito il tuo pensiero?