Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2524

 
secreto #:
Calcular já o ACF do mercado)

Use a tabela de multiplicação instável do mercado)

 

Desculpe pelo desconforto, o meu indicador está a carregar o sistema.

Em electrónica resolve-se de forma simples, colocando o oscilador único a funcionar à chegada do impulso (a primeira vela). Neste indicador e em outros, também se pode resolver se escrever uma cadeia de comandos adicional para ligar o indicador com a chegada da primeira vela em enxame por um tempo limitado. Isso significa que o indicador não funciona durante a formação da vela, mas depois de formado é ligado por um tempo limitado.

O que você acha que o guru da programação ------------ é possível?

Arquivos anexados:
 
Aleksey Nikolayev #:

Use a tabela de multiplicação instável do mercado)

Então eu tenho feito isso há muito tempo)
 
LenaTrap #:

Para ser honesto, não consigo entender nada.

p.s talvez algum matemático super inteligente tenha pena de mim e me explique o que se passa aqui?

A fórmula é derivada, por interesse desportivo) é improvável que seja útil para ganhar dinheiro.
 
LenaTrap #:

Para ser honesto, não consigo entender nada.

p.s talvez algum matemático super inteligente tenha pena de mim e me explique o que se passa aqui?

Comece com perguntas mais simples. Por exemplo, como probabilidade e frequência ou expectativa e média amostral se relacionam entre si. Da mesma forma, o ACF e o ACF de amostra relacionam-se entre si.

 
LenaTrap #:

OK, mas então você não precisa contar nada, porque uma caminhada aleatória simplesmente não pode ter nenhuma autocorrelação em princípio, porque eu mesmo criei um conjunto aleatório de números cuja geração não estava de forma alguma relacionada entre si. Porque haveria uma correlação que eu não estabeleci? No entanto, é útil testar a série de números resultante, e certificar-se disso, e ao mesmo tempo verificar os seus métodos de estimativa e a sua eficácia?

Mas sim, nós só temos maneiras diferentes de pensar, você pensa como um matemático acadêmico e eu usamos simulação computadorizada, estas são abordagens diferentes para a resolução de problemas.

+1 não faça esse tipo de matemática...

apenas o preço actual determina o preço futuro, "o conhecimento de eventos passados não ajuda a prever movimentos futuros"... essa é a diferença entre negociação real e simulação -- nada vagueia aleatoriamente no mercado, tudo é trivial -- alguma hora da manhã (ou depois que a LIBOR for definida) todos os bancos alinham suas cotações (mesmo independentemente do que aconteceu, como independentemente do que pode ser visto nas alocações de opções)... não é o número de carrapatos por segundo (um simples VSA será suficiente aqui), mas as rotinas do fosso e dos participantes...

Alguns têm aleatoriedade, outros sentaram-se -- (alguns têm raciocínio teórico, embora alguns sejam ainda piores) -- mas não conseguem distinguir os factores dos sinais, por isso andam pela floresta, alguns para a floresta -- alguns procuram dependências, outros esperam estocasticidade e independência... para se lembrarem mais uma vez das fórmulas...

embora o ponto de aplicação prática do ML seja escandalosamente simples

Existem basicamente três diferenças principais entre DL e Machine Learning.

  1. O DL dá excelentes resultados em grandes conjuntos de dados. Mas os algoritmos de Machine Learning falham no processamento de enormes conjuntos de dados. A aprendizagem de máquinas pode funcionar apenas em pequenos conjuntos de dados. Esta é a limitação da aprendizagem de máquinas. Mas o DL pode facilmente realizar operações em grandes conjuntos de dados.
  2. No Machine Learning, você precisa alimentar todos os recursos manualmente para treinar o modelo. Mas o DL extrai automaticamente todas as funcionalidades. Isto torna o DL muito poderoso em relação à aprendizagem mecânica. Porque a alimentação manual é um processo demorado, especialmente se você tiver um grande conjunto de dados.
  3. A aprendizagem mecânica não pode resolver problemas complexos do mundo real. Mas os Algoritmos de Aprendizagem Profunda podem facilmente resolver problemas do mundo real. É por isso que muitos campos estão usando algoritmos DL em vez de Machine Learning.

-- todos os demagogos aqui parecem escolher fazer ML à mão... excepto uma pessoa... por isso está fora de questão negociar

p.s.

tudo o que podem fazer é dirigir smarmily uma pessoa (capaz de fazer uma experiência computacional) para a Wikipédia com uma pergunta estúpida "qual é a diferença entre Mo e Average"... - ... e dizer que é um interesse desportivo (enviar todos em vez de si próprios)... pensando que quanto mais espertos e ingénuos forem com a sua pergunta estúpida, mais próximo alguém os levará a uma verdadeira troca... - pura manipulação -- "conta para mim, troca por mim, senão estás feito" (eles vão estar a fazer batota outra vez, pensando que as ovelhas se tornam touros no mercado), não percebendo onde está o mercado e onde está o diálogo deles -- ... está sujo aqui no ramo

Deep Learning, Everything You Need To Know About Deep Learning.
Deep Learning, Everything You Need To Know About Deep Learning.
  • www.mltut.com
Do you wanna know about the basics of Deep Learning? Here I am gonna discuss all the basic detail of Deep Learning. At the end of this article, your basics
 
Aleksey Nikolayev #:

Como resultado, após a substituição, ACF=sqrt(min(j,k)/max(j,k)). Se eu não me enganei, claro).

Se não se importa, eu também o reescreveria de uma forma mais familiar:ACF(t) =sqrt((n-t)/n), onde n é o tamanho da amostra.

 
JeeyCi #:

+1 não faça esse tipo de matemática...

apenas o preço actual determina o preço futuro, "o conhecimento de eventos passados não ajuda a prever movimentos futuros"... essa é a diferença entre negociação real e simulação -- nada vagueia aleatoriamente no mercado, tudo é trivial -- alguma hora da manhã (ou depois que a LIBOR for definida) todos os bancos alinham suas cotações (mesmo independentemente do que aconteceu, como independentemente do que pode ser visto nas alocações de opções)... não é o número de carrapatos por segundo (um simples VSA será suficiente aqui), mas as rotinas do fosso e dos participantes...

Alguns têm aleatoriedade, outros sentaram-se -- (alguns têm raciocínio teórico, embora alguns sejam ainda piores) -- mas não conseguem distinguir os factores dos sinais, por isso andam pela floresta, alguns para a floresta -- alguns procuram dependências, outros esperam estocasticidade e independência... para se lembrarem mais uma vez das fórmulas...

mesmo que o ponto da aplicação prática do ML seja escandalosamente simples

-- todos os demagogos aqui parecem escolher fazer ML à mão... excepto uma pessoa... por isso está simplesmente fora de questão negociar

p.s.

Tudo o que eles podem fazer aqui é dirigir smarmily uma pessoa (capaz de fazer uma experiência computacional eles mesmos) para a Wikipédia com uma pergunta estúpida 'qual é a diferença entre mo e a média'... - ... e dizer que é um interesse desportivo (enviar todos em vez de si próprios)... pensando que quanto mais espertos e ingénuos forem com a sua pergunta estúpida, mais próximo alguém os levará a uma verdadeira troca... - Pura Manipulação -- "conta para mim, troca por mim, senão estás acabado" (eles estão a ser indelicados novamente, pensando que as ovelhas se tornam touros no mercado), não percebendo onde está o mercado e onde está o seu diálogo -- ... eles estão sujos aqui no ramo

No mercado real? Pessoalmente, eu tenho algum tipo de filosofia:

*mas eu não quero discutir isso, porque sem provas é inútil discutir suposições.

 
secreto #:
A fórmula está sendo retirada, por interesse esportivo) ela dificilmente é útil para ganhar dinheiro.

A situação é ainda pior. A fórmula parece sugerir a martingância da série e, consequentemente, a impossibilidade de ganhar).

 
Doutor #:

A situação é ainda pior. A fórmula dá uma espécie de pista sobre a martingness da série, e a conseqüente impossibilidade de ganhar dinheiro )).

Então isso é para a SB. Para que é que precisamos dele?)
Razão: