Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3735
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
Теория эволюции Ламарка действительно была первой, но сырой и с отвергнутыми потом гипотезами(наследование признаков). Сейчас до сих пор главенствующей считается теория эволюции с естественным отбором Дарвина.(хотя она тоже ничем не доказана, а , наоборот, полно свидетельств против нее)
Информативность и актуальность (выделение последних областей структур разных масштабов) - предмет исследования как своим мозгом, так и с помощью МО.
Я пишу: углубиться в изучение структур ИСХОДНЫХ данных.
При этом предлагаю заняться самообразованием - на темы: пространство, геометрия, силы, симметрия.
Судя по реакции, все эти слова для участников как китайский язык.
Я пишу: углубиться в изучение структур ИСХОДНЫХ данных.
При этом предлагаю заняться самообразованием - на темы: пространство, геометрия, силы, симметрия.
Судя по реакции, все эти слова для участников как китайский язык.
Я пишу: углубиться в изучение структур ИСХОДНЫХ данных.
Ivan Butko #:
А в моделях (в большинстве наверное) есть сумматоры, а значит они будут реагировать на величину числа.
Представьте себе, что уже давно есть способ сделать так, что моделям будет всё равно на величину числа, а важным будет только факт, что числа разные.
Это называется категориальные признаки. Им все равно: красное, теплое, 0.9 или 0.1.Просто надо указать что признак не числовой, а категориальный. Насчет нейросетей не уверен (скорее всего нет), а в деревянных моделях это легко реализуется. Из общеизвестных - у Catboost это есть.
Видимо учебники и инструкции к моделям МО читали через строку...
Я не мастер МО, однако из своего небольшого опыта вижу это так: исследовать движение цены для поиска закономерностей с помощью МО можно, но для торговли этого недостаточно. Система пытается описать рынок, но в отрыве от реальной сделки. А ведь сделка переживает несколько этапов в своей "жизни". Где открыть сделку, какие для этого есть основания? Затем, сделка, например, в плюсе, где предел прибыли, какие основания закрыть её или продолжить копить прибыль? Или сделка в убытке, и мы имеем благоприятный откат, выходить с небольшим минусом или подождать плюса, какие шансы? Мы можем быть правы в своём входе, а могли и ошибиться, и при этом должны искать решения исходя из наших конкретных обстоятельств, а не только из общих закономерностей рынка, пока не закроем эту сделку. То есть, учить нейросеть нужно не закономерностям, а стратегии поведения. Без претензий на суперзнание, вроде это логично
Определение режимов - не знаю, что это такое, звучит интересно. Возможно, это работает. Бывает, сталкиваюсь, что при текущей пока убыточной сделке, игнорирую встречный сигнал, по другим косвенным соображениям. В итоге получается закрыть сделку с прибылью, вместо суеты с двумя убыточными. Это к тому, что в момент открытия - одна информация, по ходу развития событий уже другая. И открыть сделку, поставить тейк, стоп и ждать результата - немного плоская стратегия обучения для реальной торговли.