Nikolai Semko #: A entrada deve ser uma matriz de estruturas que represente uma hierarquia de padrões reconhecidos em todo o histórico.
Por exemplo, canais parabólicos:
Algo de ordem superior.
Obrigado por sua resposta, mas ainda não me sinto confortável com os termos de OOP
Se você tiver experiência, ficaria feliz em ter algumas linhas de opinião sobre que tipo de resultados esse tipo de dados fornece e em que máquina (modelo)
Obrigado por sua resposta, mas ainda não me sinto confortável com os termos de OOP
Se você tiver experiência, ficaria feliz em ter algumas linhas de opinião sobre os resultados desse tipo de dados e em qual máquina (modelo)
Sim, é isso mesmo, é de ordem superior, mas não há outra maneira. Em ordens mais baixas, basear-se apenas em cotações é apenas uma brincadeira com o mouse.
A Neuronka construirá constantemente algo como a extrapolação de Fourier, que tem eficiência de previsão zero. Se você alimentar o MO com uma estrutura semelhante em cada tick ao longo da história, com o comportamento do preço no futuro após cada estrutura atual, mas aqui começa a verdadeira criatividade, o que proporciona uma eficiência de previsão muito boa. Sem OOP também é impossível. Para dominar a OOP, são necessárias 2 horas de teoria e 50 horas de prática.
Há muitos tópicos sobre aprendizado de máquina, mas, por algum motivo, em todos os lugares o assunto é previsão de preços. Essa abordagem apenas desacredita o MOE. Lembre-se da série de TV: "para encontrar trilhos, é preciso pensar como trilhos".
G1G2G3 #: Obrigado pela postagem informativa. Quantas imagens você tem aproximadamente? Como a hierarquia é formada?
Acabei de dar um exemplo baseado em objetos - canais parabólicos. A hierarquia de objetos ou mesmo de processos pode ser qualquer coisa, mas eu me especializei em reconhecer exatamente canais (lineares, parabólicos ou ondulados, ou seja, polinômios de grau 1, 2 ou 3). Estou fazendo isso há cerca de 12 anos. Publiquei a primeira etapa nessa direçãoaqui. Os algoritmos atuais são milhares de vezes mais rápidos do que nesse código e de maior qualidade. A hierarquia é encontrada com a ajuda de algoritmos de reconhecimento por seu longo histórico.
Sergey Pavlov #: Há muitos tópicos sobre aprendizado de máquina, mas, por algum motivo, em todos os lugares se fala em previsão de preços. Essa abordagem apenas desacredita o MoD. Lembre-se da série de TV: "para encontrar trilhos, é preciso pensar como trilhos".
E o sentido do MO se perde se ele não for usado para abrir uma posição a um preço mais favorável e para a venda subsequente correspondente. Mas, na verdade, este tópico não é sobre MO. Trata-se de tentar explorar qualquer parte desse tópico amplo)
Sergey Pavlov #: Há muitos tópicos sobre aprendizado de máquina, mas, por algum motivo, em todos os lugares se fala em previsão de preços. Essa abordagem apenas desacredita o MoD. Lembre-se da série de TV: "para encontrar os trilhos, é preciso pensar como os trilhos".
É apenas uma questão de terminologia.
Eu também não gosto do termo previsão.
Mas esse termo é mais compreensível para outras pessoas do que, por exemplo, nuvens de probabilidade.
Por que o engano?
Afinal, toda vez que um trader ou EA, ao abrir uma negociação, faz uma previsão de que o preço se moverá nessa direção com uma probabilidade de mais de 50% com base em alguns dados.
A previsão probabilística é o objetivo final da negociação. Fato. O MO é apenas uma ferramenta para esse fim.
Por exemplo, canais parabólicos:
A entrada deve ser uma matriz de estruturas que represente uma hierarquia de padrões reconhecidos em todo o histórico.
Algo de ordem superior.
Sim, é isso mesmo, é de ordem superior, mas não há outra maneira.
Em ordens mais baixas, basear-se apenas em cotações é apenas uma brincadeira com o mouse.
A Neuronka construirá constantemente algo como a extrapolação de Fourier, que tem eficiência de previsão zero. Se você alimentar o MO com uma estrutura semelhante em cada tick ao longo da história, com o comportamento do preço no futuro após cada estrutura atual, mas aqui começa a verdadeira criatividade, o que proporciona uma eficiência de previsão muito boa. Sem OOP também é impossível. Para dominar a OOP, são necessárias 2 horas de teoria e 50 horas de prática.
A entrada deve ser uma matriz de estruturas que representa uma hierarquia de padrões reconhecidos em todo o histórico.
Por exemplo, canais parabólicos:
Obrigado pela postagem informativa. Quantas imagens você tem aproximadamente? Como a hierarquia é formada?
Acabei de dar um exemplo baseado em objetos - canais parabólicos.
A hierarquia de objetos ou mesmo de processos pode ser qualquer coisa, mas eu me especializei em reconhecer exatamente canais (lineares, parabólicos ou ondulados, ou seja, polinômios de grau 1, 2 ou 3). Estou fazendo isso há cerca de 12 anos. Publiquei a primeira etapa nessa direçãoaqui.
Os algoritmos atuais são milhares de vezes mais rápidos do que nesse código e de maior qualidade. A hierarquia é encontrada com a ajuda de algoritmos de reconhecimento por seu longo histórico.
Há muitos tópicos sobre aprendizado de máquina, mas, por algum motivo, em todos os lugares se fala em previsão de preços. Essa abordagem apenas desacredita o MoD. Lembre-se da série de TV: "para encontrar trilhos, é preciso pensar como trilhos".
E o sentido do MO se perde se ele não for usado para abrir uma posição a um preço mais favorável e para a venda subsequente correspondente. Mas, na verdade, este tópico não é sobre MO. Trata-se de tentar explorar qualquer parte desse tópico amplo)
Mas, na verdade, este tópico não é sobre o MoD
Estou curioso, a que se refere?
Estou curioso, o que ele aborda?
Há muitos tópicos sobre aprendizado de máquina, mas, por algum motivo, em todos os lugares se fala em previsão de preços. Essa abordagem apenas desacredita o MoD. Lembre-se da série de TV: "para encontrar os trilhos, é preciso pensar como os trilhos".