Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 744
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
Lembre-se que eu disse que recebi um modelo que vem ganhando desde 01.31.2018 até os dias de hoje, e é assim que este modelo tem sido realizado nestas duas semanas de 03.05.2018 até os dias de hoje. Resultado do teste.
Muito bom para uma velhota treinada em 40 pontos e está no OOS há cerca de 1,5 meses.
E este é o seu OOS completo a partir de 01.31.2018.
E ainda pensas que é um ajuste???? Deixe-me lembrá-lo que nas capturas de ecrã está a secção de OOS
Embora estas sejam fotos do testador, nunca vi a monitorização. Mas eu acredito em ti. Tenho de admitir que a tua abordagem funciona. Portanto, peço desculpa.
Desculpas aceites!
Sou apenas um praticante, enquanto a maioria das pessoas aqui são teóricos e pesquisadores...
E essas conexões não podem ser encontradas matematicamente, então é um ajuste idiota ou um estudo de mercado :)
a adaptação idiota também é uma coisa legal, na verdade, se você usar a generalização
Max, pergunto-me o que faz uma rede neural ou uma forrest aleatória... Então, quando este "padrão" aparecer no futuro, a máquina irá reconhecê-lo facilmente. O fato de esta ser uma previsão 50/50 é verdade para tudo no mercado. Aqui está um exemplo de uma quebra do triângulo, por exemplo, no caso clássico a tomada é maior que a perda. Agora multiplique este caso por 50/50 e temos um lucro. Esta é a variante mais simples de como fazer um sistema lucrativo usando a aprendizagem de máquinas.
Max, pergunto-me o que faz uma rede neural ou uma Floresta Aleatória, ... Então, quando tal "padrão" aparece no futuro, a máquina reconhece-o facilmente. O fato de esta ser uma previsão 50/50 é verdade para tudo no mercado. Aqui está um exemplo de uma quebra do triângulo, por exemplo, no caso clássico a tomada é maior que a perda. Agora multiplique este caso por 50/50 e temos um lucro. Esta é a explicação mais simples de como fazer um sistema lucrativo baseado na aprendizagem de máquinas.
O principal problema é que a formação com um professor não encontra nada por si só e a relação entre as características e o alvo nem sempre é escolhida de forma óptima por nós, daí as grandes erros de classificação e reciclagem e muitos tópicos sobre como optimizar este processo. Se estamos falando de um robô NS completo, ele deve marcar as tags de forma otimizada, sem o envolvimento de especialistas (humanos). Como é realizado hoje em dia - mostrou algumas ligações, por exemplo, através da aprendizagem com reforço, mas existem algumas dificuldades, como o problema da exploração e exploração, ou seja, encontrar o equilíbrio entre o estudo do ambiente e o uso do conhecimento obtido, basicamente é equivalente ao dilema de quantas vezes NS deve ser re-treinado, mas em modo automático
O principal problema é que a formação com um professor não encontra nada por si só, e a relação entre características e alvo nem sempre é escolhida por nós de uma forma óptima, daí os grandes erros de classificação e reciclagem e muitos tópicos sobre como optimizar este processo. Se estamos falando de um robô NS completo, ele deve marcar as tags de forma otimizada, sem o envolvimento de especialistas (humanos). Como se realiza hoje - enviei-lhe algumas ligações, por exemplo, através do reforço da aprendizagem, mas existem algumas dificuldades, como o problema da exploração e exploração, ou seja, encontrar o equilíbrio entre ambiente de aprendizagem e aplicação do conhecimento obtido, na verdade, é o equivalente a um dilema quantas vezes é necessário reaprender NS, mas em modo automático
Não vou ser muito esperto, porque os meus conhecimentos teóricos são escassos. Eu só posso dar a opinião de um observador e de um praticante. Na verdade você pode até fazer com 2 bolas, mas então o resultado é o mesmo, não vou descrever como ensinar essas bolas, não é o ponto principal. Assim, como observador de muitos testes, posso dizer que a frequência de re-treinamento NS longe de estacionário, às vezes acontece um conjunto que é suficiente, por exemplo, uma vez por semana, e outras vezes acontece que tempo suficiente por mês. para diferentes conjuntos de dados diferentes frequência de re-treinamento. mas no final ainda temos um ajuste, mas não um ajuste de parâmetros da mesma máquina e ajustar a frequência do sinal na máquina definir um período. Quanto tempo vai funcionar? É como num "pântano", nunca se sabe quando se vai entrar no pântano.
Não vou ser muito esperto, porque tenho muito pouco conhecimento teórico. Eu só posso dar a opinião de um observador e de um praticante. A seleção de preditores é um processo muito tedioso, um monte de grandes não é necessário. na verdade até mesmo 2 máscaras podem ser gerenciadas, mas então o resultado é apropriado, eu não vou dizer como essas máscaras podem ser ensinadas, não é importante. Assim, como observador de muitos testes, posso dizer que a frequência de re-treinamento NS longe de estacionário, às vezes acontece um conjunto que é suficiente, por exemplo, uma vez por semana, e outras vezes acontece que tempo suficiente por mês. para diferentes conjuntos de dados diferentes frequência de re-treinamento. mas no final ainda temos um ajuste, mas não um ajuste de parâmetros da mesma máquina e ajustar a frequência do sinal na máquina definir um período. Quanto tempo pode durar? É como num pântano, nunca se sabe quando se vai entrar no pântano.
Bem, você precisa de descrições suficientes do ambiente e dos interruptores certos, grosso modo, de modo para modo... porque os padrões mudam, sim
Algumas pessoas resolvem este problema trocando TS diferentes e outras tentam fazer um mas adaptável, e outras tentam encaixar tudo em uma distribuição, como fez Alexander
Mishan pegou o mercado que está crescendo e enquanto ele está crescendo ele está se regozijando, mas assim que a turbulência começar ele vai chorar.
Bem, você precisa de um número suficiente de descrições de estado do ambiente e as mudanças certas, grosso modo, de modo para modo... porque os padrões mudam, sim
Algumas pessoas resolvem este problema trocando TS diferentes, algumas tentam fazer um mas adaptável, e outras tentam encaixar tudo numa única distribuição, como Alexander
Mishan tem os lucros no mercado em crescimento e enquanto ele está crescendo ele está se regozijando, mas assim que a turbulência começar ele vai começar a chorar.
Espero que ele não chore mas reconstrua a tempo) não estamos aqui para discutir...
Deus te livre de não chorar, mas reconstruir a tempo) não estamos aqui para discutir...
bem um jogo de moedas sem um backtest adequado, o resultado é apenas óbvio
Boa tarde a todos.
Eu queria resumir um pouco... O que sabemos sobre uma vela do futuro, por exemplo? Nós sabemos a hora de abertura, a hora de encerramento. Sabemos que pode ter 3 estados: uma vela branca na direção ascendente, uma vela preta na direção descendente e um doji. Sabemos que a probabilidade de uma "vela grande" ou "longa" é, sabes). - é pequena em comparação com uma vela "média" ou doji. Podemos encontrar um canal, ou chamar-lhe um intervalo, em que o preço se move. É só isso? Não sabemos mais nada? É muito pequeno para fazer previsões mesmo para uma simples classificação como uma vela para baixo ou uma vela para cima... Se não tentar prever direcções... não há maneira de entrar numa troca sem prever a direcção... O que mais podemos dizer sobre o futuro castiçal que nos permitiria classificá-lo? Afinal, todas as previsões baseadas em dados passados dão sinais de castiçais passados. E a previsão sobre estes dados é apresentada como "hoje será como ontem" - isto não é bom....