L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 429
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
Ho dimenticato di mettere la c) :))
No, non lo fanno. Qui sotto c'è una spiegazione (da un articolo che non riesco a finire :(
Introduzione
Oggi entrambi gli approcci sono attivamente utilizzati nella pratica. Gli esperimenti comparativi [ ] dei due approcci non rivelano vantaggi significativi di uno rispetto all'altro, ma c'è comunque una cosa. Le reti neurali con pre-addestramento richiedono molti meno esempi per l'addestramento e risorse computazionali, pur ottenendo risultati quasi uguali. Per alcuni campi questo è un vantaggio molto importante.
Buona fortuna
Bene, questo è risolto :) Sì, particolarmente bello è la velocità di apprendimento (più la qualità dei modelli), sperimenterò più tardi con perimetri dai vostri articoli, quando finirò di realizzare le mie idee, l'argomento è molto interessante e redditizio a volte, come sul mio modesto modello ieri, per esempio :) (il lotto è piccolo perché è ancora in fase di test)
Finora si alimenta troppo e non funziona su intervalli lunghi senza riqualificare, ma su intervalli di 2-3 mesi si allena (si adatta?) quasi perfettamente, e una buona probabilità funziona una settimana dopo l'allenamento, mi basta riqualificare ogni settimana. Onestamente, non ho mai ottenuto tali curve prima d'ora (a prezzi di chiusura, non tick) fino a quando non ho fatto conoscenza con MO nel tester. Funziona in modo efficiente su quasi tutte le coppie di valute e gli indici (non ho ancora provato quelli di scambio perché ho poca storia di contratti e non voglio preoccuparmi di incollare), quindi posso fare portafogli a basso rischio.
Ora il compito principale è quello di aumentare la stabilità sui campioni di prova aggiungendo interrelazioni non lineari, che è un compito non banale, ma risolvibile in una certa misura (per come la vedo io).
Non c'è bisogno di un violinista (c).
Lo leggerò più tardi, me lo ricorderò
Ben risolto :) Sì, soprattutto bello è la velocità di apprendimento (più la qualità dei modelli), sperimenterò più tardi con perimetri dai vostri articoli quando finito di implementare le loro idee, argomento molto interessante e occasionalmente redditizio, come sul mio modesto modello ieri, per esempio :) (il lotto è piccolo perché è ancora in fase di test)
Finora si nutre troppo e non funziona su intervalli lunghi senza riqualificazione, ma su intervalli di 2-3 mesi si allena (si adatta?) quasi perfettamente, e una buona probabilità funziona una settimana dopo l'allenamento, mi limito a riqualificare ogni settimana. Onestamente, non ho mai ottenuto tali curve prima d'ora (a prezzi di chiusura, non tick) fino a quando non ho fatto conoscenza con MO nel tester. Inoltre, funziona bene su quasi tutte le coppie di valute e gli indici (non ho ancora provato quelli azionari perché ho poca storia sui contratti e non voglio preoccuparmi delle colle), cioè posso fare portafogli a basso rischio.
Il compito principale al momento è quello di aumentare la stabilità sui campioni di prova aggiungendo interrelazioni non lineari, è un compito non banale, ma risolvibile in una certa misura (come vedo).
Sembra che tu abbia eseguito l'RNN di Reshetov sul reale con TrendLinearReg - funziona ancora, o l'idea è fallita?
Recentemente sono tornato ai GARCH con cui avevo familiarità in precedenza. Ciò che mi ha sorpreso enormemente, dopo diversi anni di fascino con l'apprendimento automatico, è l'enorme numero di pubblicazioni sull'applicazione del GARCH alle serie temporali finanziarie, comprese le valute.
C'è qualcosa di simile per le reti profonde?
Non faccio regressioni. Sto solo seguendo le novità in questo settore. Lo sviluppo più recente che mi piace è il pacchetto profeta.
Reti profonde per la classificazione.
Buona fortuna
L'ottimizzazione trova spesso ottimi risultati... ma non è così importante.
Sembra che tu abbia eseguito l'RNN di Reshetov con TrendLinearReg sul reale - funziona ancora o l'idea non ha funzionato?
Cambiato i predittori, prima voleva gettare ... poi penso qualcosa non, tale mucca bisogno se stessi per ora). Il quadro del MO su Reshetov è rimasto, tutto il resto è rifatto, aggiunto MLP - non mi è piaciuto, ci vuole molto tempo per contare, ora aggiungerò rand. forrest + alcune altre idee che sono in corso... Cioè in generale voglio un comitato o che cosa sarebbe uno ns educare l'altro, qualcosa di così originale sempre desidera
Ma l'angolo Reg. è buono da solo, sia in entrata che in uscita, se anche sui grafici logaritmici... è un buon predittore
Cambiato i predittori, all'inizio volevo scaricarli... poi penso di no, ho bisogno di una tale mucca per ora). Ho mantenuto la struttura MO su Reshetov, rielaborato tutto il resto, aggiunto MLP - non mi è piaciuto, ci vuole troppo tempo per calcolare, ora aggiungerò Rand Forest + alcune altre idee che sono in lavorazione...
Non ci sono molti ingressi sulla griglia di Reshetov ... 3-6, se si alimenta la stessa quantità alla MLP, dovrebbe anche contare velocemente.
Ma per MLP c'è un problema con gli output... mentre quello di Reshetov è impostato per le probabilità basate sugli estremi degli oscillatori, cioè basta detrenderizzare correttamente il mercato, fare qualche trasformazione e alimentarlo come serie stazionaria.
PLUS questo alglibovy mLp ogni volta diversamente addestrato sullo stesso set, 1 volta ha eseguito uno ha mostrato, la seconda volta - un altro, e così nel ciclo per diverse iterazioni (5-7) produrrà valori diversi, come lavorare con questo non so. È per questo che ho iniziato ad aggiungere più ingressi (fino a 15) e ha iniziato ad imparare lentamente. Stavo usando Softmax. Anch'io ho provato con gli ensemble - ci è voluto molto tempo a tutti. E alla fine, dagli esperimenti in azure machine learning è chiaro che RF dà sempre meno errori di quasi tutti i modelli MO semplici, MLP invece dà l'errore più grande come regola... Forse non so come cucinarlo, ma sembra che sia effettivamente peggio e più lento, cosa di cui ho trovato conferma qui da San Sanych
Cioè, se selezioniamo dai classificatori semplici poi inequivocabilmente RF, dopo viene DNN e altre ultime punte, RNN e LSTM. Passare dal semplice al complesso :)
Ma un angolo reg. è buono da solo come ingresso e uscita, se anche su grafici logaritmici... un buon predittore
Cosa sono l'angolo reg. e i grafici logaritmici?
Cosa sono l'angolo di regressione e i grafici logaritmici?
TrendLineregr mostra l'angolo di pendenza della linea di regressione per un dato numero di barre - è un buon indicatore come predittore e anche come obiettivo, un sostituto di uno zigzag. Cioè rimuove effettivamente la componente di rumore delle citazioni (secondo me).
E i grafici dei logo sono presi non come grafici puliti ma come logaritmo dei prezzi
E in generale lo stesso Garch Figarach e Arima sono l'analisi di regressione, niente di più interessante è stato ancora inventato, quindi se la gente lo usa allora dovrebbe anche usarlo in un modo o nell'altro.