Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2464
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
Que corretor você usa para acessar a Bolsa de Moscou usando a MT?
Você interpretou a minha opinião ao contrário, na natureza o alvo é o mais prático - o mais "necessário" sobrevive e se reproduz. E é necessário treinar o alvo mais "prático" sem alterá-lo de forma alguma.
Sobre os dados, sim, a informação alimentada à entrada, mas idealmente devemos formar/receber - "olhos", "orelhas", "nariz", etc.
1) exceto "Para treinar uma rede neural, você precisa de conjuntos gigantescos de dados cuidadosamente selecionados".
Para criar uma nova rede neural, você precisa configurar um algoritmo, passar todos os dados por ela, testá-la e otimizá-la repetidamente. Isto é complicado e demorado. Assim, às vezes é mais fácil usar algoritmos mais simples - por exemplo, regressão.
2) Também pensei nisso como simples (regressão) no início... Mas a regressão linear é confusa porque, tanto quanto me lembro, os preços são não lineares, e o retorno é linear (se não o contrário?) - pelo menos para opções sobre futuros... O mais triste é que tal análise não é linear, e o retorno é linear, e se não for o contrário - pelo menos para opções de datas de validade diferentes, mas nem sempre é justificada por 3-imagens de tal bondade... E a parte mais triste de tal análise é que, segundo o DB CME, todos os preços estão alinhados com a greve central e não vejo qualquer possibilidade de ver desequilíbrios no relatório, mas sim de monitorar em tempo real (não sou um árbitro, por isso não me posso incomodar com isso)... E nem tudo é tão linear, bastante exponencial em lógica, e não quero cruzar crocodilo com rinoceronte (no modelo de 2 fatores - tempo e taxa de juros)... Parece que no preço das opções tudo já está cruzado...
3)
Tudo está correto sobre o alvo, meu alvo é perfeito de sinal para sinal, se o sinal é rentável então coloque um se está perdendo então coloque 0 e nada mais, exceto que o lucro pode ser calculado com spread condition!!!!
este é outro possível algoritmo de aprendizagem de máquinas - usando o teorema de Bayes (a descrição pareceu-me ser assim)... "Estes algoritmos são usados para lidar com documentos de texto - por exemplo, para a filtragem de spam...". As redes neurais, por outro lado, funcionam de uma forma mais complexa - de camada em camada (aprendizagem profunda)...
De qualquer forma, olhando para estes 3 algoritmos de aprendizagem de máquinas - e até agora percebi que, do ponto de vista da teoria da probabilidade, NÃO é tão fácil NÃO riscar a função alvo no seu modelo, para que não acabe por aprender em demasia do melhor para o pior e, o mais importante, apenas confiando na história... algoritmo+dados+condições para selecção para a camada seguinte = parece ser a mais lógica (embora apenas quando se lida com grandes quantidades de dados, mas nem sempre é assim)
Provavelmente, é por isso (devido à queda de dois em cada três algoritmos) que as camadas H.Grid são mais promissoras na negociação do que a simples regressão ou o teorema de Bayes... Mas em essência, quanto a mim, tudo se resume a uma programação banal do processo de tomada de decisão, usando apenas amostras enormes para apoiar as decisões dos robôs com estatísticas... que, infelizmente, não temos muito, e que não centraliza tanto as especificidades da saída como centraliza o leque de possibilidades do conjunto de saídas... o mesmo intervalo... em que o preço normalmente flutua... (porque a própria taxa de câmbio flutuante gera volatilidade)...
e o processo decisório do comerciante (e a sua própria aprendizagem) não pode ser passado sem que ele próprio o aprenda ... O processo de decisão de um comerciante (e a sua própria aprendizagem) não pode ser codificado sem aprendizagem... Então o codificador tem algo a transmitir ao robô, mas, claro, o algoritmo de análise de erros não pode ser transferido para ele numa determinada matriz (enquanto está presente no cérebro do próprio codificador)... imho
OK, vou pensar a meu bel-prazer em como não virar as coisas de cabeça para baixo (para não ser treinado demais para pior)... Pr, OI, Volume- é apenas uma parte dos dados para as expectativas e decisões do trader de qualquer forma, e a oferta e procura nasce deles, não dos modelos matemáticos... imho
(ou seja, 5 factores, sem ter em conta a política fiscal e monetária de 2 países presentes na citação)
Mikhail Mishanin , obrigado pela dica.
um ponto é um pouco contraditório com o seu ponto de vista? (não muito claro da citação no link).
Basicamente, as camadas ocultas desempenham algum tipo de função matemática. Nós não o definimos, o programa aprende a produzir o resultado em si.
Parece um caminho de força bruta idiota... (como no algoritmo, por exemplo, para quebrar a senha)
p.s. e ainda assim:
MO não se lembra da história, talvez esteja a falar de reciclagem de modelos.
por isso não se podem recolher muitos dados no momento actual para carregar camadas da rede em vez de um simples processo de tomada de decisão... ainda inclinando-se para uma possível utilidade na RM, mas não na TM
Quanto ao fórum, se você não sabe como tirar conclusões a partir do feedback, você pode fazer tal robô SEM sequer aprendizagem mecânica, se o seu próprio cérebro não ajudar... a outro falador de troll-repórteres.
Quanto ao fórum, se você não sabe como tirar conclusões a partir do feedback, você pode fazer tal robô SEM sequer aprendizagem mecânica, se o seu próprio cérebro não ajudar... a outro troll-repórter-volto-volto-junkie.
O MoD não se lembra da história, talvez esteja a falar em requalificar o modelo.
Como é que não se lembra? Faz exactamente isso.
Você já se deparou com a expressão "bases de dados baseadas em redes neurais"? Já me deparei com isso uma vez e acho que é a melhor definição do que são NS/árvores.
Uma árvore pode ser treinada até a última fenda e então lembrará absolutamente toda a história com absoluta precisão (obtenha um modelo super-treinado).
Se não for até a última divisão, mas um pouco antes da divisão de parada (por exemplo, por 10 exemplos em uma folha), então obtemos memória com generalização e com média de resultados desses 10 exemplos mais semelhantes. Haverá menos sobre-aprendizagem. Ou seja, você tem que parar a divisão quando o sub-aprendizado começa a se transformar em sobre-aprendizado. Esta é a tarefa principal e mais difícil.
Como pode não ser? Faz exactamente isso.
Você já se deparou com a expressão "bases de dados baseadas em redes neurais"? Já me deparei com isso uma vez e acho que é a melhor definição do que são NS/árvores.
Uma árvore pode ser treinada até a última fenda e então lembrará absolutamente toda a história com absoluta precisão (obtenha um modelo super-treinado).
Se não for até a última divisão, mas um pouco mais cedo para parar a divisão (por exemplo, por 10 exemplos numa folha), então obtemos memória com generalização e com média de resultados destes 10 exemplos mais semelhantes. Haverá menos sobre-aprendizagem. Ou seja, você deve encontrar a profundidade da divisão com o mínimo de sobre-aprendizagem.
Aplica-se ao forex, lembrando-se da história e fazendo uma negociação baseada nela?
Sim. Esperamos que a história se repita. Talvez em vão. Mas não temos mais nada a esperar.
Sim. Esperamos que a história se repita. Talvez em vão. Mas não temos mais nada a esperar.
Eles próprios escrevem um aviso em Sinais, realizações passadas não dizem que este ainda será o caso. Engraçado
O que é engraçado sobre isso, ninguém pode garantir - as ações dos outros.
aprendizagem de máquinas, agora só funciona em estática, Maximka acabou de provar isso.