Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3653

 
СанСаныч Фоменко #:
Берем приращения котировки и смотрим на медиану. Если по абсолютной величине меньше спреда, то флэт, если больше, то соответствующий тренд. как и положено такой флэт-тренд зависит от ТФ и размера окна.

Это работает для симметричного распределения. В общем случае возможно любое ненулевое матожидание при нулевой медиане.

 
Aleksey Nikolayev #:

Это работает для симметричного распределения. В общем случае возможно любое ненулевое матожидание при нулевой медиане.

Не важно.

Нас интересует вероятность направления на торгуемом ТФ и окне. Но как мы знаем, все это туфта полнейшая, так как нет медианы, а заодно и средней. В любой момент может случиться смена тренда, или выброс более 100 пипсов, или все вместе, включая отключение канала связи с брокером.

В общем мрак со сполохами молний. 

 
Кому не сложно, приведите пример обучения без учителя

Что происходит? Что кормить такой сети? Что она делает с датасетом (ценами)?
[Удален]  
mytarmailS #:
Для начала нужно для себя придумать определение флета/тренда
А дальше уже дело техники
В первом когда сделки против тренда дают больше профита, во втором когда по тренду. По идее можно и показатель Херста или среднюю волатильность. 

Нужно для авторазметчика лэйблов и для быстрого определения какую стратегию лучше использовать 
 
Ivan Butko #:
Кому не сложно, приведите пример обучения без учителя

Что происходит? Что кормить такой сети? Что она делает с датасетом (ценами)?

Простейший пример: на входе - какие-то данные (что угодно, несколько индикаторов стохастиков, к примеру), на выходе сети - торговые сигналы. Целевая функция - любой пользовательский критерий результатов торговли на истории.

Этот способ не нагулишь, ни начатишь. А так, куча всяких способов обучения без учителя, в основном касаются темы кластеризации.

[Удален]  
Ivan Butko #:
Кому не сложно, приведите пример обучения без учителя

Что происходит? Что кормить такой сети? Что она делает с датасетом (ценами)?
Гугли unsupervised learning. Кластеризация, сжатие. На вход только признаки, без лейблов.
[Удален]  
Andrey Dik #:
Простейший пример: на входе - какие-то данные (что угодно, несколько индикаторов стохастиков, к примеру), на выходе сети - торговые сигналы. Целевая функция - любой пользовательский критерий результатов торговли на истории.
Садись, кол 
 
Andrey Dik #:
Простейший пример: на входе - какие-то данные (что угодно, несколько индикаторов стохастиков, к примеру), на выходе сети - торговые сигналы. Целевая функция - любой пользовательский критерий результатов торговли на истории.

То есть, НС сама расставит точки входа? Или сама классифицирует паттерны?

Не понимаю, как "без учителя" создать ТС с помощью НС. 

Как она будет выглядеть (входы будут? А сколько? НС сама решит что подавать на вход?)

Вообще туман

 
Maxim Dmitrievsky #:
Гугли unsupervised learning. Кластеризация, сжатие. На вход только признаки, без лейблов.

Я не врубаюсь, что в итоге

Гуглил, картинка баклажан, который из общей кучи вытащили и положили в корзину. 

А что с форексом? Он (оно) вообще применимо здесь?

 
Ivan Butko #:

То есть, НС сама расставит точки входа? Или сама классифицирует паттерны?

Не понимаю, как "без учителя" создать ТС с помощью НС. 

Как она будет выглядеть (входы будут? А сколько? НС сама решит что подавать на вход?)

Вообще туман

Иван, пиши в личку. Тут, среди "учителей", общаться не комфортно.