Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1274
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
Mais uma vez, não entendo a pergunta sobre "você pessoalmente fez algo como resultado" - explique isso, qual foi o resultado, e o que eu tinha que fazer pessoalmente? Se estamos a falar da minha aplicação do MoD, então sim, estou a trabalhar nesta questão de várias formas (criação de modelos, selecção, aplicação) - tenho escrito muito sobre as minhas realizações aqui.
Ou seja, você já está aplicando o que você expressou aqui (não leu tudo porque não é realista 1200 pp). Se você tem 100500 sinais, talvez um deles seja o verdadeiro.
Portanto, no próximo jogo, esse comportamento não-padrão já será batido pelo bot, é claro que no momento o humano pode superar a IA através de comportamento não-padrão, mas assim que a IA "disser" "Por que isso seria....", o humano terá dificuldades.
Se este truque for repetido constantemente como meio de combate, então sim, ele fará alguma coisa, mas de outra forma é apenas um simples outlier, ao qual o modelo não deve responder adequadamente.
Ou seja, o que você já aplica do que foi dito aqui (eu não li tudo porque não é realista 1200 pp). Você pode me dar um link onde isso é usado por você, você tem 100500 sinais, provavelmente um deles é o único.
Eu uso o CatBoost e a árvore "mágica" do Doc, eu tenho minha própria metodologia lá. Neste momento só estão a ser feitos testes a sério, o que revelou uma série de problemas com os preditores, como resultado terei de aprender do zero, da árvore - isso é cerca de meio ano perdido. Os modelos Catbust assam muito rapidamente, tudo já é bastante automatizado lá desde a criação do modelo, seleção, até a aplicação do modelo no comércio. Catbust tem me ajudado muito, especialmente com o intérprete modelo em MQL. Se não forem detectados bugs, usarei modelos de dinheiro real até a primavera - os modelos serão usados em pacotes, para cada modelo 1 lote, haverá duas contas - para compra e venda.
Eu estou usando CatBoost e a árvore 'mágica' do Doc, eu tenho minha própria metodologia lá. Neste momento só estão a ser feitos testes a sério, o que revelou uma série de problemas com os preditores, como resultado terei de aprender do zero, da árvore - isso é cerca de meio ano perdido. A Catbust assa modelos bastante rapidamente, tudo já é bastante automatizado lá desde a criação do modelo, seleção, até a aplicação do modelo no comércio. Catbust tem me ajudado muito, especialmente com o intérprete modelo em MQL. Se não forem detectados novos bugs antes da primavera eu planejo usar modelos com dinheiro real - os modelos serão usados em lote, para cada modelo 1 lote, haverá duas contas - para compra e venda.
Qual é a árvore "mágica" do Doc? Onde ver os detalhes?
Há um script R com um algoritmo genético para criar uma árvore, selecionar gerações por melhoramento da entropia. Depois há algum tipo de selecção final. Eu pego todas as árvores para a seleção final e puxo as folhas delas para medidas adicionais separadas em MT5. O script não foi publicado publicamente, por isso também não há descrições detalhadas. Aparentemente é como selecionar a melhor árvore da floresta, mas há uma limitação de profundidade para evitar o excesso de treinamento, bem, o processo leva cerca de 2 dias em todos os núcleos na última amostra, onde não todas as barras, mas apenas sinais para entrar, e se todas as barras durante 3 anos, então o cálculo leva 1,5 meses lá. Após os cálculos eu faço a divisão da árvore, ou seja, eu removo a coluna com o preditor raiz da melhor árvore da população e começo tudo de novo, pareceu que mesmo em 40 procedimentos desse tipo algumas folhas muito boas são criadas, então eu cheguei à conclusão, que o melhor layout de árvore matemática nem sempre é mais eficaz, e uma informação interfere com outra, que apareceu mais tarde utilizada no mesmo CatBoost, quando eles aleatoriamente escolhem preditores de todas as amostras para construir uma árvore.
A propósito, note que o homem estava perdendo por cometer erros nas ações (clicando torto/esquecimento para ativar uma habilidade), mas foi capaz de vencer usando um movimento tático não-padrão - distraindo constantemente o oponente ao pousar na parte de trás da base do oponente, o que o forçou a destacar tropas para atacar a base do homem, o que deu ao homem tempo para desenvolver suas unidades para um nível mais alto, como resultado ele poderia causar danos significativos ao oponente e ganhar a partida.
Também é assim que picos inesperados e falsos proboys distraem o trader do objetivo.
Note que isto foi devido a uma conversão grosseira para uma janela deslizante, o programa ficou confuso com as janelas, é um problema técnico.
antes de tais gotas serem repelidas com um zeitgeist.
deve observar atentamente os clipes
Há um script R com um algoritmo genético para criar uma árvore, selecionar gerações por melhoramento da entropia. Depois há algum tipo de selecção final. Eu pego todas as árvores para a seleção final e puxo as folhas delas para medições adicionais separadas em MT5. O script não foi publicado publicamente, por isso também não há descrições detalhadas. Aparentemente é como selecionar a melhor árvore da floresta, mas há uma limitação de profundidade para evitar o excesso de treinamento, bem, o processo leva cerca de 2 dias em todos os núcleos na última amostra, onde não todas as barras, mas apenas sinais para entrar, e se todas as barras durante 3 anos, então o cálculo leva 1,5 meses lá. Após os cálculos eu faço a divisão da árvore, ou seja, eu removo a coluna com o preditor raiz da melhor árvore populacional e começo tudo de novo, parecia que mesmo em 40 este procedimento às vezes são criadas folhas muito boas, então eu cheguei à conclusão, que a melhor árvore matemática nem sempre é mais eficaz, e uma informação interfere com outra, que apareceu mais tarde utilizada no mesmo CatBoost, quando os preditores são escolhidos aleatoriamente de todas as amostras para construir uma árvore.
A propósito, Alglib usa um conjunto aleatório de preditores (50% do número total por padrão) para escolher o particionamento em cada nó. Esta parece ser uma abordagem padrão pelos criadores da Random Forest. O resultado é uma grande variedade de árvores.
Mas é difícil encontrar os melhores, pois a diferença no erro final não é superior a 1%. Ou seja, todas as árvores chegam aproximadamente ao mesmo resultado, mas em uma árvore para um preditor houve uma divisão mais cedo, em outra árvore para o mesmo preditor mais tarde (porque mais cedo foi excluída da lista para divisão).
Em geral, estou a ter problemas com a selecção das previsões. Estou pensando em verificar 100 preditores, adicionando 1 e continuando melhorando os resultados. Se você excluir o preditor de raiz 40 vezes, após cálculos complicados, pode ser mais fácil fazer força bruta total? Ou você tem mil preditores lá?
Há um script R com um algoritmo genético para criar uma árvore, selecionar gerações por melhoramento da entropia. Depois há algum tipo de selecção final. Eu pego todas as árvores para a seleção final e puxo as folhas delas para medições adicionais separadas em MT5. O script não foi publicado publicamente, por isso também não há descrições detalhadas. Aparentemente é como selecionar a melhor árvore da floresta, mas há uma limitação de profundidade para evitar o excesso de treinamento, bem, o processo leva cerca de 2 dias em todos os núcleos na última amostra, onde não todas as barras, mas apenas sinais para entrar, e se todas as barras durante 3 anos, então o cálculo leva 1,5 meses lá. Após o cálculo eu faço a divisão da árvore, ou seja, eu removo a coluna com o preditor raiz da melhor árvore da população e começo tudo de novo, descobri que mesmo em 40 tais procedimentos são criadas folhas muito boas, então eu cheguei à conclusão, que o melhor layout de árvore matemática nem sempre é o mais eficaz, e uma informação interfere com outra, que acabou sendo utilizada mais tarde no mesmo CatBoost, quando selecionamos aleatoriamente os preditores de todas as amostras para construir uma árvore.
Acontece que estás a fazer disparates, ao imitares a floresta e ao impulsionares o algoritmo em vez de leres a teoria porque é que funciona, mais uma vez.
Note que isto se deveu a uma conversão grosseira para uma janela deslizante, o programa estragou as janelas, é um problema técnico.
antes de tais gotas serem repelidas facilmente.
Cuidado com os clipes.
Infelizmente você não analisa a informação que recebe, desligue o comentário e observe-o com os seus próprios olhos.
Não havia tais situações antes, veja o vídeo com cuidado.
Infelizmente, você não está analisando as informações recebidas, desligue o comentário e veja por si mesmo.
Não existiam tais situações antes, revê o vídeo cuidadosamente.
o algoritmo alfastar foi ALTERADO especificamente para revashn de vista de mapa completo para vista de fatias, eles não o fizeram direito
Você pode ver que o bot é lento alternando entre janelas, não consegue descobrir onde está o prisma e corre para frente e para trás
É um insecto.
Eu não tenho respeito por ti!