Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2169

 
Maxim Dmitrievsky:

Você faz coisas geniais ) Vou começar a ver na segunda-feira, para os meus favoritos

Obrigado! Pelo menos algo para diluir o raciocínio "teórico"...

 
welimorn:

Se você precisar, aqui está um pequeno script que calcula a área relativa sob a intersecção das curvas da distribuição do valor da característica para dois clusters.

Acho que é uma boa métrica para escolher o método de desbaste, análise de alvo, características e quem sabe o que mais.

area_overlap é amarelo na foto.

o assunto ficou sério )

aqui está uma maneira mais avançada (mas promissora) de ler

https://ml4trading.io/chapter/19

é sobre densidades e como você pode amostrar características e etiquetas a partir do posterior usando o autoencoder. Também é possível transpor espaços de características para se adequar aos seus gostos.

em particular os CVAEs (autoencoders de variação conditinal) são interessantes

Machine Learning for Trading
Machine Learning for Trading
  • Stefan Jansen
  • ml4trading.io
Learn to extract signals from financial and alternative data to design and backtest algorithmic trading strategies using machine learning.
 

+ total da decorrelação de características através de núcleos de convolução aleatória.

Quero transferir a parte de resposta para o mql, para que seja possível obter novas funcionalidades do modelo treinado, no terminal

https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html

o âmbito do trabalho, em geral

RandOm Convolutional KErnel Transform (ROCKET) — pyts 0.12.dev0 documentation
  • pyts.readthedocs.io
The RandOm Convolutional KErnel Transform (ROCKET) algorithm randomly generates a great variety of convolutional kernels and extracts two features for each convolution: the maximum and the proportion of positive values. This example...
 

Depois de apenas algumas experiências até agora, a conclusão é:

a amostragem do modelo generativo e depois aprender com essas amostras é muito bom (mas até agora só usei GMM (modelo de mistura gaussiana), não autocodificador)

a decorlação de características via ROCKET está bem, há uma melhoria na generalização

 
Maxim Dmitrievsky:

O que queres ver? Aqui está o verdadeiro tc no MoD do meu artigo. A formação é de apenas 1 mês, depois a generalização durante 2 anos. E é real e funciona.

MAK travessias e comércios, bem como na minha imagem de tela

e porque me mostrarias um provador?

Você pode mostrar o comércio //demo ou real, isso não importa.

 
Renat Akhtyamov:

Mostrar a intersecção dos MAs e os negócios como na minha captura de ecrã.

e porque precisaria eu de mostrar ao testador?

mostre-me o seu negócio //demo ou real, não importa

primeiro mostre-me o seu (demo ou real), durante um mês, um sinal ao vivo neste serviço

ou não te ponhas a andar.

 
kaban_:
Há algum uso para redes neurais, funciona para negociação?

Não, não é assim, o MO apenas torna mais ou menos "cientificamente" claro que em puramente de preço(s) não há quase nenhuma informação sobre o futuro a partir da mudança. Há alguns "traços", claro, migalhas, mas não são previsíveis, a propagação / comissão come tudo e a razão não são os algoritmos, mas os dados.

Os grandes fundos de hedge têm milhares de vezes mais dados (terabytes por dia) e eles negociam HFTs, assim você pode construir um pão com as migalhas, e nós ***simply, todos os tipos de novos quadros e ***diferente das redes sociais.

 
Maxim Dmitrievsky:

mostrar o seu primeiro (demo ou real), em um mês, um sinal ao vivo neste serviço

ou não faça charlatanice

não o podes fazer no puré, é por isso que não o mostras.

E se falhares, porque estás a aconselhar as pessoas aqui?
 
Renat Akhtyamov:

não o podes fazer no puré, é por isso que não o mostras.

Se falhas, porque continuas a dar bons conselhos às pessoas?

Vais monitorizar? Ou vais continuar a gritar?

Eu não dou conselhos a ninguém.

É melhor aprenderes russo.
 
Maxim Dmitrievsky:

Vais monitorizar? Ou vais continuar a espirrar?

Eu não aconselho nada a ninguém.

gobble

Arquivos anexados:
Razão: