L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 722
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
Pensi che ci sia qualche prospettiva di automazione:
Sergey, naturalmente!
E poi il tester mostrerà le prospettive di questo indicatore.
Il freelance aiuterà, ma non dimenticare il codice sorgente nei termini di riferimento
L'ho riconosciuto bene, ma non riesco a trovare il punto di ingresso giusto. Voglio insegnare alla rete a riconoscere non l'apparizione di una candela, ma il momento effettivo di entrata senza un crollo verso il basso. Le mie fermate stanno causando la caduta di tutto.
Non posso scrivere una tale condizione. Forse qualcuno mi dirà come fare?
Non posso provarlo nel tester, perché non funziona lì a causa dell'integrazione con la neuronica. È scritto in python e le informazioni sono scambiate attraverso il file e il tester non crea questo file.
Ci sono alcuni modelli GARCH. Sappiamo da loro che un pullback dell'aumento dei prezzi è più probabile di una continuazione dell'aumento dei prezzi. Lei conferma questa verità.
Il consigliodel dottor Trader non è semplice.
Un nuovo libro sull'apprendimento profondo è uscito in russo:
Goodfellow J., Bengio I., Courville A.Deep Learning è un tipo di apprendimento automatico che permette ai computer di imparare dall'esperienza e comprendere il mondo in termini di una gerarchia di concetti. Il libro contiene
le basi matematiche e concettuali dell'algebra lineare, della teoria della probabilità e della teoria
dell'informazione, del calcolo numerico e dell'apprendimento automatico nella misura necessaria
per comprendere il materiale. Le tecniche di apprendimento profondo utilizzate nella pratica
sono descritte, comprese le reti profonde a propagazione diretta, la regolarizzazione, gli algoritmi di ottimizzazione
, le reti convoluzionali, la modellazione delle sequenze, ecc.
Sono coperte applicazioni come l'elaborazione del linguaggio naturale, il riconoscimento vocale, la computer vision
, i sistemi di raccomandazione online, la bioinformatica e i videogiochi.
La pubblicazione è rivolta a studenti universitari e post-laurea così come a programmatori esperti
che vorrebbero applicare il deep learning come parte dei loro prodotti o piattaforme.
UDC 004.85
LIBC 32.971.3
Link da rutracker può gettare nel personale. Il libro è eccezionalmente interessante.
Buona fortuna
Un nuovo libro sull'apprendimento profondo è uscito in russo:
Goodfellow J., Bengio I., Courville A.L'apprendimento profondo è un tipo di apprendimento automatico che permette ai computer di imparare dall'esperienza e comprendere il mondo in termini di una gerarchia di concetti. Il libro contiene
le basi matematiche e concettuali dell'algebra lineare, della teoria della probabilità e della teoria
dell'informazione, del calcolo numerico e dell'apprendimento automatico nella misura necessaria
per comprendere il materiale. Le tecniche di apprendimento profondo utilizzate nella pratica
sono descritte, comprese le reti profonde a propagazione diretta, la regolarizzazione, gli algoritmi di ottimizzazione
, le reti convoluzionali, la modellazione delle sequenze, ecc.
Sono coperte applicazioni come l'elaborazione del linguaggio naturale, il riconoscimento vocale, la computer vision
, i sistemi di raccomandazione online, la bioinformatica e i videogiochi.
La pubblicazione è rivolta a studenti universitari e post-laurea così come a programmatori esperti
che vorrebbero applicare il deep learning come parte dei loro prodotti o piattaforme.
UDC 004.85
BBC 32.971.3
Link da rutracker può gettare nel personale. Il libro è eccezionalmente interessante.
Buona fortuna
Non ci sono serie non stazionarie generate da processi indeterminati nella lista delle applicazioni.
C'è da qualche parte la giustificazione della possibilità di applicare le reti profonde alle serie finanziarie?
Ho trovato un link a qualcosa legato a quel libro -http://www.filedropper.com/--2018
(il link e il sito web non sono miei)
Non ci sono serie non stazionarie generate da processi incerti nella lista delle applicazioni.
C'è qualche giustificazione da qualche parte per la possibilità di applicare le reti profonde alle serie finanziarie?
Perché hai bisogno della giustificazione di qualcun altro? Crei dei predittori, costruisci un modello, ti alleni/testi e trai le tue conclusioni. Se è possibile/ragionevole applicare il modello ai tuoi predittori.
Io faccio solo la classificazione. E nella mia esperienza le reti neurali (non solo quelle profonde) sono molto brave in questo compito. Date un'occhiata all'ultimo articolo sugli ensemble. I risultati sono molto buoni e con un significativo margine di miglioramento.
Buona fortuna
Non ci sono serie non stazionarie generate da processi incerti nella lista delle applicazioni.
C'è qualche giustificazione da qualche parte per la possibilità di applicare le reti profonde alle serie finanziarie?
Non è un commerciante. è ora di capire, non c'è nessuno a cui chiedere :)
Non è un commerciante, è ora di capire, non c'è nessuno a cui chiedere :)
Cosa importa se è un commerciante o no? Ha ragione sul cuore della questione.
Cosa importa se è un commerciante o no? Ha ragione sulla sostanza della domanda.
Non ha risposto all'essenza della domanda, e la domanda era una pietra miliare.
Non è il caso, a dir poco - la formazione con un insegnante non è in linea di principio adatta a lavorare con processi non stazionari, è scritto in qualsiasi libro. Da qui tutto questo satanismo dei dati e tutte queste cantonate sulla stazionarietà, la normalizzazione, ecc.
Non che io stia scoraggiando qualcuno dal fare qualcosa, ma a volte è utile dirlo alcune volte in modo che la gente lo imprima nella sua subcorteccia
Non ha risposto all'essenza della domanda, e la domanda era una pietra miliare
Se non di più - la formazione con un insegnante non è in linea di principio adatta a lavorare con processi non stazionari, è scritto su di esso in qualsiasi libro. Da qui tutto questo satanismo dei dati e l'incantesimo sulla stazionarietà, la normalizzazione, ecc.
Dove sta scritto che insegnare con un insegnante richiede la stazionarietà?
Quello che chiamate kamlanie, è ripetutamente dimostrato, montagne di pubblicazioni, ma sulla formazione senza un insegnante per il commercio non c'è niente di niente.