Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1640
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
Não quero voltar para Renko, já perdi tempo com isso, não só perde completamente a informação da OHLC, como também fica com um atraso de duas alturas de tijolos Renko - fica muito atrasado.
O mesmo será provavelmente verdade para o ZigZag, mas eu não lidei com isso especificamente.
Da OHLC, apenas O é identificado de forma inequívoca imediatamente quando o tick correspondente chega. Na realidade, porém, a abertura pode falhar quando há um atraso no processamento de carrapatos anteriores.
Não há perfeição no mundo)
Da OHLC, apenas O é inequivocamente identificado imediatamente à chegada do respectivo carrapato. Na realidade, porém, a abertura pode falhar quando há um atraso no processamento de carrapatos anteriores.
Não há perfeição no mundo)
Tudo é muito complicado aqui.
Muitos participantes trabalham com preços de abertura e fechamento de bares, e há tanto indicadores triviais como modelagem e manipulações complexas daqueles que cotam preços
Os preços altos e baixos fazem sentido na criação de canais, ZigZags e decomposições de máximos históricos (min), análises gráficas, bem como settaps e padrões - tudo isto também faz sentido
e estes métodos grandfatherly ainda são usados no comércio, sei com certeza que os americanos usam activamente a análise gráfica - comuniquei com eles há vários anos.... Mas eles também sabem que não funciona ))))
O problema é geralmente com os próprios participantes no mercado - eles interferem constantemente com as séries de preços ideais!
As flutuações da volatilidade da sessão podem ser eliminadas mudando para ziguezague ou renko, certo? É claro que a estrutura natural do tempo sofrerá, mas é possível introduzir o tempo normal como um indicador definido para cada joelho/tijolo.
Eu virei-me para o ziguezague... Mas desde o início de março eles simplesmente não são comparáveis com o que eram antes de março. Se antes pudesse construir um joelho durante meia hora ou uma hora, pode ser feito em 5 minutos devido à alta volatilidade com os mesmos parâmetros. Portanto, não faz sentido treinar com os dados antes de Março. Tudo é diferente agora.
Ainda devemos pensar em algo universal para alta e baixa volatilidade.
Talvez algo tipo onda. As ondas permaneceram, elas acabaram de se alargar.
Eu pesquisei no Google, mas ainda vou perguntar
que tipos de redes neurais podem ser usados como sistema de gerenciamento de objetos?
Pelo menos para este exemplo: os NS devem dar uma resposta que abra uma ordem na direção desejada e defina o valor de take e stop loss, ou seja, 3 parâmetros de controle (compra/venda + tp + sl)
PT: reforço da aprendizagem
https://github.com/EliteQuant/EliteQuant#quantitative-model
RU: aprendizagem de reforço
https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
embora se o conjunto de parâmetros for fixo, assim como os seus valores, pareça uma classificação normalEu pesquisei no Google, mas ainda vou perguntar
que tipos de redes neurais podem ser usados como sistema de gerenciamento de objetos?
Apenas como exemplo: NS deve dar uma resposta que abra uma ordem na direção desejada e defina o take and stop losses, ou seja, 3 parâmetros de controle (compra/venda + tp + sl)
Que problema que estás a tentar resolver!
O plano é o seguinte:
1. Faça uma rede que adivinhe a direção do movimento de preços em um horário fixo.
2. Se você tem P.1, faça uma rede que adivinhe a direção dinamicamente, ou seja, dê a direção e o tempo onde ela está mais confiante.
3. Se tiveres o item 2, faz uma rede que adivinha a direcção e a força do movimento.
4. Se você tiver o item 3, faça uma rede que adivinhe a direção e força + tempo de movimento.
Depois disso, vá para os seus 3 parâmetros.
PT: reforço da aprendizagem
https://github.com/EliteQuant/EliteQuant#quantitative-model
RU: aprendizagem de reforço
https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
embora se o conjunto de parâmetros for fixo, bem como os seus valores, então parece uma classificação normaltreinamento com reforço não quer mais, eu estava ficando com um testador de GA aleatório mais eficaz para usar, pelo menos o forward passa o TS encontrado pela genética melhor do que o treinamento com reforço
Obrigado pela idiotice, eu vou investigar.
Que tarefa você está tentando resolver!
O plano é o seguinte:
1. criar uma rede que adivinhe a direção do movimento de preços após um tempo fixo.
2. se você alcançou o passo 1, faça uma rede que adivinhe a direção dinamicamente, ou seja, forneça a direção e o tempo onde ela está mais confiante.
3. Se tiveres o item 2, faz uma rede que adivinha a direcção e a força do movimento.
4. Se você tiver o item 3, faça uma rede que adivinhe a direção e força + tempo de movimento.
Depois disso, vá para os seus 3 parâmetros.
é uma rede RNN ou um perceptron convencional multicamadas faz muito bem
a tarefa é apenas controlar o objeto - google neurocontrol, você pode ler a terminologia no wiki e google-lo depois
é uma rede RNN ou um perceptron convencional multicamadas que o faz bem
o desafio está apenas no gerenciamento de objetos - google neurocontrol, você pode ler a terminologia no mesmo wiki e google it further
Não é um especialista, mas à primeira vista esta abordagem para os mercados é pouco provável que produza algo além do NARX. E este modelo parece ser sempre implementável através do RNN. E a turing integralidade do RNN também contribui para a sua suficiência.
Artigo sobre equivalência NARX e RNN.
Não é um especialista, mas à primeira vista esta abordagem para os mercados é pouco provável que produza algo além do NARX. E este modelo parece ser sempre implementável através do RNN. E a completude do RNN por Turing também contribui para a sua suficiência.
Eu pesquisei no Google, de acordo com minhas observações eu deveria usar a RBF-net.
OK, vou perguntar mais especificamente: há uma carteira de TS primitivos que são testados para a frente, cada TS é limitado no tempo dentro de um dia e o TS pode se sobrepor no tempo - você precisa de"algo que vai tentar executar novamente a carteira", dependendo dos dados de entrada - OHLC
simplesmente otimizar um portfólio através da forçagem bruta na genética do testador pode.... mas eu quero alguma inteligência))))
Eu pesquisei no Google, a partir das minhas observações eu deveria usar a rede RBF
OK, vou perguntar mais especificamente: existe uma carteira de TS primitivos que são testados para a frente, cada TS é limitado no tempo dentro de um dia e o TS pode sobrepor-se no tempo - eu preciso de"algo que tente enumerar a carteira", dependendo dos dados de entrada - OHLC
simplesmente otimizar um portfólio através da forçagem bruta na genética do testador pode.... mas eu quero alguma inteligência ))))
A tarefa parece não estar bem formalizada - o conjunto de parâmetros não é claro. O conjunto completo de sistemas é finito, contável ou contínuo? A carteira é de tamanho fixo? O sistema está incluído no portfólio com alguns pesos ou apenas sim/não?