Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3420

Новый комментарий
 
Maxim Dmitrievsky #:
А если не близка к нулю 

Тогда буду пересматривать свое чутье.

 
Forester #:

Неправильно. Доступ на чтение как в 2мерном массиве

Всё равно нули.

Даже если я просто присваиваю

MatrixLearn[row][col]=5;

Не понимаю в чём дело :(

 

Даже так если

MatrixLearn[0][0]=5;
Print(MatrixLearn[0][0]);

Принтует нули.

 


Представление модели бесконечной балансировки курса валют EUR=USD требует абстракции от реального рынка и принятия нескольких ключевых предположений. В реальном мире курсы валют подвержены влиянию множества факторов, включая экономические показатели, политические события, центральные банки и маркет-сентимент. Однако для модели, которая стремится поддерживать EUR и USD в состоянии бесконечного равновесия (1 EUR = 1 USD), мы можем рассмотреть следующий теоретический подход:

  1. Автоматическая коррекция: Модель будет автоматически корректировать курс обмена валют в реальном времени, используя алгоритмический подход. Каждый раз, когда курс отклоняется от 1:1, система выполняет операции на рынке для восстановления равновесия. Это может включать покупку валюты, которая стала дешевле, и продажу более дорогой валюты.

  2. Бесконечный резерв валют: Для поддержания равновесия модель должна иметь доступ к практически неограниченным резервам обеих валют. Это позволит модели вмешиваться в рынок с любым объемом, необходимым для коррекции курса.

  3. Мониторинг внешних факторов: Модель должна непрерывно анализировать рыночные данные и внешние факторы, которые могут влиять на курс обмена валют. Это включает экономические индикаторы, политические события и изменения в торговой политике.

  4. Использование производных финансовых инструментов: Для балансировки курса модель может использовать различные финансовые инструменты, такие как фьючерсы, опционы и свопы. Это позволит эффективно хеджировать риски и влиять на курс без необходимости прямой покупки или продажи больших объемов валюты.

  5. Искусственный интеллект и машинное обучение: Модель будет включать алгоритмы искусственного интеллекта и машинного обучения для прогнозирования рыночных тенденций и оптимизации своих операций. Это позволит системе адаптироваться к меняющимся рыночным условиям и улучшать свою способность поддерживать курс на уровне 1:1.

Хотя такая модель представляет интерес с теоретической точки зрения, на практике её реализация сталкивается с серьезными вызовами. Во-первых, необходимость в бесконечных ресурсах делает такую систему невозможной для реализации. Во-вторых, рыночные силы и внешние факторы слишком многочисленны и непредсказуемы, что делает задачу бесконечной балансировки курсов валют чрезвычайно сложной. В-третьих, вмешательство в рынок для поддержания фиксированного курса обмена может иметь непреднамеренные последствия для экономики.



 
Aleksey Vyazmikin #:

Всё равно нули.

Даже если я просто присваиваю

Не понимаю в чём дело :(

Ну вы примеры хоть сморите?

Присваивание так

MatrixLearn[row].Set(col,val);
Чтение так
v=MatrixLearn[row][col];
 
Forester #:
Ну вы примеры хоть сморите?

Где их смотреть, кроме Вашего кода? В коде библиотеки вижу, что так считывают данные - по адресу ячейки - сделал по аналогии.

Forester #:

Присваивание так

Чтение так 
 MatrixLearn[0].Set(0,5.0);
 double Get_M=MatrixLearn[0][0];
 Print("Get_M=",Get_M);

Получаем

2024.03.12 03:11:08.416 Tree_K-Means_Test (USDJPY,H1)   Get_M=0.0

Вы у себя пробовали, работает?

 
Aleksey Vyazmikin #:

Где их смотреть, кроме Вашего кода? В коде библиотеки вижу, что так считывают данные - по адресу ячейки - сделал по аналогии.

Получаем

Вы у себя пробовали, работает?

Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий

Ошибки, баги, вопросы

Aleksey Vyazmikin, 2024.03.12 05:51

О как бывает - за ночь поправили синтаксис теперь присваивать значение надо так

MatrixLearn.Set(row,col,Input_arr_Data[N_Stolb*row+col]);

Старый вариант уже не компилируется - так и до шизофрении дойти можно...


Теперь начал считать кластера!

[Удален]  
Maxim Dmitrievsky #:

Есть еще одна неочевидная вещь, которая может влиять на результаты обучения. Это, например, обучать классификатор не только прогнозировать метки бай/селл, но одновременно обучать его классифицировать котиков (грубый пример). То есть учить основной задаче и разным побочным задачам. 

Это может как-то повлиять на внутреннюю структуру модели. Не видел таких исследований.

Сделал таких котиков.

Какие еще котики могут подойти?


[Удален]  
А если представить, что график не случайный, а просто слишком много паттернов. И мы имеем пока еще очень мало истории, поэтому не можем сопоставлять паттерны. Поэтому для нас история не повторяется. Тогда без методов аугментации точно не обойтись.  Но генерить историю из прошлого своего же ряда - это ведь путь в никуда.
[Удален]  
Aleksey Vyazmikin #:

Теперь начал считать кластера!

КластерЫ
1...341334143415341634173418341934203421342234233424342534263427...3745
Новый комментарий