Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 479
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Ну, тогда я, увы, не смогу помочь - проблему надо воспроизвести, прежде чем её решать.
Для задержки можно попробовать использовать EventSetTimer - считать индикатор через пару секунд после появления бара.
Спасибо за рекомендацию.
А можно не через пару секунд, а секунд этак через 30??? И как это сделать?
А можно не через пару секунд, а секунд этак через 30??? И как это сделать?
Можно. Поищите индикаторы в код базе на его примере.
По моему вопросу специалистов, я так понимаю, нет????
А кто нибудь использует APi от Nvidea. Просто на днях прошарился в плане карты, смотрю, фирма выпускает карты для майнинга, без видеоразъемов.
А кто нибудь использует APi от Nvidea. Просто на днях прошарился в плане карты, смотрю, фирма выпускает карты для майнинга, без видеоразъемов.
Забыл, и какое-то API выпущенно, я -ля CUDA
У нвидии куча апи есть -
OpenCL - популярный стандарт, нужно писать особый С-образный код. Поддерживается и Nvidia, и AMD, можно даже установить библиотеку для cpu процессоров вместо видеокарты. Я использую в R через библиотеку https://cran.r-project.org/web/packages/OpenCL/index.html
MT5 тоже может этот апи.
CUDA - какая-то строго nvidia библиотека, и например видюхи от AMD её не поддерживают. Суть в том чтобы взять обычный C++ код и скомпилить его так чтоб он запускался на видюхе. Наверное есть ограничения на допустимые функции, я не вникал
CUDNN - апи и бибилиотека нейронки основанной на CUDA
Есть например такая нейронка MXNET, она все эти технологии поддерживает, можно на ней потестить видюху https://mxnet.incubator.apache.org/get_started/install.html
Помогите осмыслить процесс :)
На примере линейного классификатора. Допустим, мы чему-то обучаем классификатор, на 2 выхода подаем приращения цен от 0 до 1, где 0.5 это нет сигнала (сумма выходов всегда равна единице)
Если мы построим просто линию регрессии, например, по ценам, то бОльшие приращения цен будут лежать дальше от линии, меньшие ближе, то есть если на выходах классификатора будет 0.9; 0,1 то положительное приращение лежит далеко от линии, т.е. сигнал 0.9 будет сильнее чем сигнал 0.6 на покупку
А если мы берем нейронную сеть с нелинейной классификацией, будут ли показания выходов говорить о силе сигнала, либо же они будут свидетельствовать только о степени принадлежности к 1 из 2-х классов, и не более
Т.е. будет ли соблюдаться такое условие:
Мне кажется, что на этой ситуации уже половина начинающих, плохо владеющая матчастью, зафейлится.. Потому что степень принадлежности к тому или иному классу, интуитивно, будет говорить о большей\меньшей силе сигнала. Но так ли это на самом деле и не лучше ли создать больше классов, по которым распределить величины приращений, допустим, в %, тогда попадание значения в тот или иной класс (один из 10, допустим) уже точно подскажет величину приращения.Помогите осмыслить процесс :)
На примере линейного классификатора. Допустим, мы чему-то обучаем классификатор, на выходы подаем приращения цен от 0 до 1, где 0.5 это нет сигнала
Если мы построим просто линию регрессии, например, по ценам, то бОльшие приращения цен будут лежать дальше от линии, меньшие ближе, то есть если на выходах классификатора будет 0.9; 0,1 то положительное приращение лежит далеко от линии, т.е. сигнал 0.9 будет сильнее чем сигнал 0.6 на покупку
А если мы берем нейронную сеть с нелинейной классификацией, будут ли показания выходов говорить о силе сигнала, либо же они будут свидетельствовать только о степени принадлежности к 1 из 2-х классов, и не более
Т.е. будет ли соблюдаться такое условие:
Осмысливай: линия является границей (в простейшем случае среднее значение). Чем ближе к границе приращения цен, тем меньше они отличаются от среднего, хотя по абсолютной величине они могут быть совсем не маленькими. (для такой постановки задачи)
Осмысливай: линия является границей (в простейшем случае среднее значение). Чем ближе к границе приращения цен, тем меньше они отличаются от среднего, хотя по абсолютной величине они могут быть совсем не маленькими. (для такой постановки задачи)
То есть по степени принадлежности целевой к классу нельзя делать вывод об абсолютном изменении, 0.9 не будет означать что приращение цены будет больше чем в случае 0.6
То есть по степени принадлежности целевой к классу нельзя делать вывод об абсолютном изменении, 0.9 не будет означать что приращение цены будет больше чем в случае 0.6
Опять же, это зависит от того, как строится классификация. В приведенном примере классификация основывалась на расстоянии от средней линии (граница) без учёта абсолютной величины приращения. Если ввести показатель абс.приращения, то классификация будет уже иной в принципе. Иной будет и её шкала.