ну это state space модели, работают через раз тоже
Ну у нас задача минимального времени для определения что там с рядом) Изначально предполагается что стационарный ряд с скользящей средней описываемый мат.моделью даст достаточные результаты при МО. При смене параметров мат.модели ничего страшного не происходит и период до обучения приемлим. При сломе / смене модели у нас не корректный для новой модели левый участок, и мы точно не знаем необходимый период для обучения.
Ну у нас задача минимального времени для определения что там с рядом) Изначально предполагается что стационарный ряд с скользящей средней описываемый мат.моделью даст достаточные результаты при МО. При смене параметров мат.модели ничего страшного не происходит и период до обучения приемлим. При сломе / смене модели у нас не корректный для новой модели левый участок, и мы точно не знаем необходимый период для обучения.
Что то внутрь обучения нужно, типа индюка.
делал несколько моделей, в зависимости от значений индюков, каждая модель под конкретный диапазон значений индюка. Иногда помогает, иногда нет.
Я использую Deep Reinforcement Learning (использую Python), и обучение уже происходит (как показано):
Сегодня я использую только скользящие средние в качестве наблюдения за рынком для обучения.
Эта модель выполняет несколько действий (покупка, продажа и ожидание). Таким образом, после обучения модель сходится во многих действиях, чтобы «ждать» только с лучшими действиями.
Однако в этой модели тренировка очень медленная, потому что в ней используются все тики.
Что вы предлагаете в качестве данных наблюдений за рынком для повышения точности и уменьшения потерь?
Что вы предлагаете в качестве данных наблюдений за рынком для повышения точности и уменьшения потерь?
1) Создать модель рынка, и обучать агента в ней, это уменьшит размерность и ускорит обучение,дажетут так делали
2) Выбор признаков, это как говорят творческая задача, если их много то тут тоже поможет снижение размерности , их множество от кластеризации до pca,umap итд.
3)Обучаться не по всей выборке, а по условию, например если взять уровни поддержки и сопротивления и принимать решение купить-продать только если цена на уровне, то можно уменьшить обучающую выборку на порядки. Тоже снижение размерности как ни крути..
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
А есть возможность узнать, когда изменяются параметры обучения?
хз, у меня все на автомате. По отншению сделок прибыльных\убыточных, общего реворда можно определить, что начало работать хуже
хз, у меня все на автомате. По отншению сделок прибыльных\убыточных, общего реворда можно определить, что начало работать хуже
Опоздание как всегда большое. Костыли нужны. Может чекать различными мат.моделями и смотреть когда какая лучше ?
хз, у меня все на автомате. По отншению сделок прибыльных\убыточных, общего реворда можно определить, что начало работать хуже
Период обучения надо не оптить, а уменьшать.
Опоздание как всегда большое. Костыли нужны. Может чекать различными мат.моделями и смотреть когда какая лучше ?
ну это state space модели, работают через раз тоже
ну это state space модели, работают через раз тоже
Ну у нас задача минимального времени для определения что там с рядом) Изначально предполагается что стационарный ряд с скользящей средней описываемый мат.моделью даст достаточные результаты при МО. При смене параметров мат.модели ничего страшного не происходит и период до обучения приемлим. При сломе / смене модели у нас не корректный для новой модели левый участок, и мы точно не знаем необходимый период для обучения.
Что то внутрь обучения нужно, типа индюка.
Ну у нас задача минимального времени для определения что там с рядом) Изначально предполагается что стационарный ряд с скользящей средней описываемый мат.моделью даст достаточные результаты при МО. При смене параметров мат.модели ничего страшного не происходит и период до обучения приемлим. При сломе / смене модели у нас не корректный для новой модели левый участок, и мы точно не знаем необходимый период для обучения.
Что то внутрь обучения нужно, типа индюка.
делал несколько моделей, в зависимости от значений индюков, каждая модель под конкретный диапазон значений индюка. Иногда помогает, иногда нет.
делал несколько моделей, в зависимости от значений индюков, каждая модель под конкретный диапазон значений индюка. Иногда помогает, иногда нет.
Привет народ
Я использую Deep Reinforcement Learning (использую Python), и обучение уже происходит (как показано):
Сегодня я использую только скользящие средние в качестве наблюдения за рынком для обучения.
Эта модель выполняет несколько действий (покупка, продажа и ожидание). Таким образом, после обучения модель сходится во многих действиях, чтобы «ждать» только с лучшими действиями.
Однако в этой модели тренировка очень медленная, потому что в ней используются все тики.
Что вы предлагаете в качестве данных наблюдений за рынком для повышения точности и уменьшения потерь?
Извините за мои ошибки перевода.
Что вы предлагаете в качестве данных наблюдений за рынком для повышения точности и уменьшения потерь?
1) Создать модель рынка, и обучать агента в ней, это уменьшит размерность и ускорит обучение,даже тут так делали
2) Выбор признаков, это как говорят творческая задача, если их много то тут тоже поможет снижение размерности , их множество от кластеризации до pca,umap итд.
3)Обучаться не по всей выборке, а по условию, например если взять уровни поддержки и сопротивления и принимать решение купить-продать только если цена на уровне, то можно уменьшить обучающую выборку на порядки. Тоже снижение размерности как ни крути..
Можно объединить все пункты вместе .