Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1183
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
Eu sei, porque já estou no assunto há muito tempo ;)
Não preciso de um graal, mas um ATC exequível seria útil
o que seria muito estável com o MO - você precisa fazer algumas análises estatísticas e procurar por padrões você mesmo, então tudo bem com eles, e se tiver muita sorte vai funcionar por um tempo relativamente longo
Quanto ao resto (a minha própria prática, não sei sobre os outros) trata-se de uma requalificação permanente com dados mais recentes e obter bons negócios, tudo em lucro, controlando tudo diariamente. Se partirmos do princípio de que a inteligência artificial deve procurar tudo por si só, porque fazer constantemente a estatanálise também é uma tarefa incómoda. É melhor rodar o otimizador algumas dezenas de vezes e ele vai se encontrar.
No final, tudo se resume a controlar a qualidade do modelo na amostra de teste, só isso. A amostra de treino é quase sempre boa como está. Nem precisas de visualizar nada para isso. Como controlar e subamostra é uma arteComodo Internet Security e nada tem corrido mal há anos.
O mais importante é fazer alguma análise estatística e procurar padrões, depois fixar-se neles, e se tiver muita sorte, funcionará por um tempo relativamente longo.
Quanto ao resto (a minha própria prática, não sei sobre os outros) trata-se de uma requalificação permanente com dados mais recentes e obter bons negócios, tudo em lucro, controlando tudo diariamente. Se você parte do princípio de que a inteligência artificial deve procurar tudo por si só, porque fazer constantemente a estatanálise também é uma tarefa incômoda. É melhor rodar o otimizador uma dúzia de vezes e ele será encontrado por si só.
obrigado, mas não é o navegador, é o Windows, firewall bloqueia tudo, qualquer navegador funciona por cerca de 10 minutos, depois zap! e não abre mais nada ... Windows crashed, voltarei para casa em 15 minutos para restaurar de uma pen drive via acronix backup, felizmente eu sempre faço backup de todas as novas instalações
eu sei, eu mesmo faço isso quando tenho tempo, mas não é interessante (((, como em cool movies....) press.... as cartas correram através do laptop.... e depois asses confirmado!!! .... o principal que então o ALARM-ALARM não começou ))))
Lei de Murphy: se a merda pode acontecer, vai acontecer.
Eu mesmo faço isso quando tenho tempo, mas não é interessante (((, eu quero que seja como nos filmes legais.... o botão pressionado.... as cartas correram através do laptop.... e depois asses confirmado!!! .... o principal que então o ALARM-ALARM não começou ))))
Eu não acho.
Eu simplifiquei ainda mais a tarefa para a NS. Uma estratégia preliminar é desenvolvida, define intervalos de possíveis entradas, o NS é treinado nesses intervalos e encontra os pontos de entrada ideais. Se não houver nenhuma entrada no intervalo, ele não a encontra.
Fora dos intervalos, a NS não analisa nada.
Eu não acho.
Eu simplifiquei ainda mais a tarefa para a NS. Uma estratégia preliminar é desenvolvida, define os intervalos de possíveis entradas, o NS é treinado nesses intervalos e encontra os pontos de entrada ideais. Se não houver nenhuma entrada no intervalo, ele não a encontra.
Fora dos intervalos, a NS não analisa nada.
NS não vão encontrar os melhores pontos de entrada, eles precisam de força bruta.
Os NS não encontrarão pontos de entrada ideais, eles precisam ser reforçados brutalmente.
Maxim, isto já foi feito há um ano. E escreveu como, neste tópico.
Mas não consigo pensar em nada de novo. Ainda estou a brincar com o Python, talvez surjam algumas ideias.
Os NS não encontrarão pontos de entrada ideais, eles precisam ser reforçados brutalmente.
Tente também desactivar a criação intrusiva do CatBoost dos seus próprios directórios temporários em cada arranque, uma vez que isto faz com que este se desloque para um ambiente protegido.
Em geral, estas falhas parecem de alguma forma não muito profissionais, então se você não pode vencê-las, então pessoalmente na minha opinião, mais barato do que livre - deste produto para abandonar imediatamente:)
São criados diretórios quando se usa python? No console é lógico que sejam criados diretórios como neles de uma só vez modelo e marcação, e também outros dados estatísticos onde mais colocá-los se não em um diretório? Pelo contrário, penso que os directórios são uma solução muito boa, porque posso percorrer muitas configurações e colocar os resultados de cada uma delas no meu directório.
Até agora, não vi nenhuma falha que causasse avarias.
A propósito, não sei a quem perguntar, pode dizer-me
ao utilizar o PCA, a algália retorna os autovectores
como trabalhar mais com eles, ou seja, como aplicar aos atributos originais
http://alglib.sources.ru/dataanalysis/principalcomponentsanalysis.phpLimites de aplicabilidade e eficácia do método
Até onde eu entendo este método, temos um mapa de características de sinal útil, destacando os componentes principais, e você pode então procurar um mapa semelhante (matriz) para procurar um sinal útil em dados ruidosos
no final, tudo se resume ao controle de qualidade do modelo na amostra de teste, só isso. Na amostra de treino, é quase sempre bom como está. Nem precisas de visualizar nada para isso. Como controlar e subamostra é uma arte
Aqui está apenas pensando que a amostra de controle pode ser muito diferente daquela em que você treinou, por exemplo, ter uma árvore com 10 folhas treinadas, 9 das quais dão 1, e uma dá zero, que funcionam bem em uma determinada amostra, mas então o teste (teste no meu caso) não funciona - o que aconteceu? Ou poderia ser que as condições fossem apenas para 3 das 9 folhas e o resto fundido a zero. Isto não seria um sinal de sobretreinamento (o que implica conexões redundantes que não são regularidades), mas simplesmente uma amostra completamente diferente ou uma amostra onde há realmente muitos eventos para 3 folhas, e criticamente poucos para as 6 folhas restantes, alternativamente treinamos em tendências, e testamos em um flat. Pergunto-me se devemos misturar a amostra e criar condições artificiais, onde tanto no treinamento como nos testes serão partes proporcionalmente semelhantes do mercado, e se precisamos identificar essas partes e marcá-las de alguma forma, então seremos capazes de ver quais são as respostas no treinamento sobre essas partes e quais são as respostas na amostra de teste. Ou precisamos encontrar tais regularidades típicas de todos os mercados e descrevê-las de forma universal, a fim de aumentar o número de situações diferentes na amostra de treinamento.