Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 544
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Existe a possibilidade do seu monitor ser confundido por cores, por vezes difícil de distinguir porque não está calibrado correctamente.
O que você construiu?Não existe tal coisa.
Lembras-te como eu te disse que a libra está na cor errada na tabela de arbitragem.
O que você construiu é um segredo.
Não existe tal opção.
Lembras-te quando te disse que a libra na tabela de arbitragem era a cor errada.
o que eu construí é um segredo.
Eu tenho todas as cores a condizer.
Não sobre o mercado, mas muito útil e sobre a abordagem geral para construir um modelo de forma eficaz (em qualquer fase algo pode correr mal e nem sequer nos aperceberíamos disso):
Aprendizagem sem professores (clustering) e RL(reforço da aprendizagem). Numa tentativa de reduzir os parâmetros a serem optimizados. Alguém já pensou em como o clustering pode ser aplicado? O segundo é mais complicado, você precisa de pacotes especializados
exemplo: https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/
https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/
Aprendizagem sem professores (clustering) e RL (reforço da aprendizagem). Numa tentativa de reduzir os parâmetros a serem optimizados. Alguém já pensou em como o clustering pode ser aplicado? O segundo é mais complicado, você precisa de pacotes especializados
exemplo: https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/
https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/
Estou a começar a pensar no reforço da aprendizagem. Parece-me que é isto que é necessário para as trocas.
Eu também, estou a dominar Python ao mesmo tempo... R é irritante. Havia um artigo antigo sobre a camada Kohonen por o_o, ele escreveu algo sobre plusses e assim por diante sem exemplos e desenvolvimento
https://www.mql5.com/ru/articles/1562
Eu também, estou a dominar Python ao mesmo tempo... R é irritante. Havia um artigo antigo sobre a camada Kohonen por o_o, ele escreveu algo sobre plusses e assim por diante sem exemplos e desenvolvimento
https://www.mql5.com/ru/articles/1562
Na verdade, eu posso adicioná-lo como contrapartida ao meu repositório, vou explicar o meu esquema de trabalho.
Eu usei qt e opennn, francamente falando, nada foi desenvolvido por mais tempo do que mlp (opennn).
Em geral, eu posso adicioná-lo como contrapartida ao meu repositório, eu explicarei o esquema como ele funciona.
Receio ter de aprender um pouco mais primeiro, ainda não sou muito bom programador :) talvez mais tarde no próximo ano
Aprendizagem sem professores (clustering) e RL (reforço da aprendizagem). Numa tentativa de reduzir os parâmetros a serem optimizados. Alguém já pensou em como o clustering pode ser aplicado? O segundo é mais complicado, você precisa de pacotes especializados
exemplo: https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/
https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/
Eu também tenho isso em mente. Não consigo deitar as mãos a isso.
O agrupamento também é um método interessante. Acho que deve ser usado antes do treinamento de um modelo, porque desta forma você pode filtrar parâmetros que não estão correlacionados de forma alguma.
Eu também tenho isso em mente. Não consigo deitar as mãos a isso.
especialmente se utilizarmos o agrupamento multidimensional, podemos tentar alimentar vectores com características e vectores com um desfasamento de, digamos, incrementos... para os dividir em grupos - que características correspondem a que incrementos no futuro
e depois aplicar a este conjunto para treinamento de NS, por exemplo... ou seja, como mineração de dados
Sim, exactamente antes do treino ... ou como uma coisa separada para o TS