Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 549
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
İşte başka bir peygamber örneği ama R için (python'da alamadım)
Veriler dönüştürülür ve çıplak alıntılar değilse, genel olarak Arima'nın normları tahmin etmesinin daha iyi olacağını düşünüyorum.
ve eğlence için Arima ile karşılaştırın
https://strategy.doubledoji.com/how-to-use-facebooks-prophet-algorithm-in-forex-trading/
işte araştırma içeren başka bir büyük ayak örtüsü:
https://msperlin.github.io/pafdR/research-scripts.html
İşte başka bir peygamber örneği ama R için (python'da alamadım)
Veriler dönüştürülür ve çıplak alıntılar değilse, genel olarak Arima'nın normları tahmin etmesinin daha iyi olacağını düşünüyorum.
ve eğlence için Arima ile karşılaştırın
https://strategy.doubledoji.com/how-to-use-facebooks-prophet-algorithm-in-forex-trading/
Kemer üzerinde test etmek gereklidir. Kemer etkisinin olmadığı zaman serileri vardır, ancak eğer öyleyse, o zaman garch gereklidir ve tamamen spesifik bir tane seçmeniz gerekir (birçoğu vardır) ve o zaman dağılımı modellemek çok faydalıdır. .
Aşağıda bitirmekte olduğum makalemden iki alıntı var. Tekerleği yeniden icat etmek için zaman kaybetmenize gerek yok. Bunu profesyonellerden daha iyi yapamazsınız. Python ve R zaten harika bir şekilde entegre edilmiştir. Sadece kullan.
" TensorFlow" kitaplığını kullanma
Son zamanlarda, hızla gelişen derin sinir ağları alanı, bir dizi açık kaynak kitaplığı ile dolduruldu. Yaygın olarak reklamı yapıldı TensorFlow(Google) CNTK(Microsoft) , Apache MXNet Ve bircok digerleri. Tüm bu ve diğer büyük yazılım geliştiricilerin R Konsorsiyumu üyesi olması nedeniyle, tüm bu kitaplıklar için R için API'ler sağlanmaktadır.
Yukarıdaki kitaplıkların tümü çok düşük seviyelidir. Yeni başlayanlar için bu alanın sindirimi zordur. Bunu akılda tutarak, Rstudio ekibi R için keras paketini geliştirdi.
Keras, hızlı deneylere odaklanarak tasarlanmış üst düzey bir sinir ağı API'sidir. Fikirden sonuca mümkün olan en az gecikmeyle gitme yeteneği, iyi araştırma yapmanın anahtarıdır. Keras aşağıdaki temel özelliklere sahiptir:
Sadece keras R paketini kurun ve indirin ve ardından TensorFlow, Python ve ortam dahil olmak üzere ihtiyacınız olan her şeyi yükleyen keras::install_keras() işlevini çalıştırın. sanal ortam veya conda . Sadece işe yarıyor! GPU'lara Keras ve TensorFLow yükleme talimatları için bkz.: burada . Daha fazla ayrıntı için bkz. makale ."
"Tfruns paketi, TensorFlow ile deneyler yapmak için tasarlanmıştır . tfruns paketi, TensorFlow eğitimini ve R'den deneyleri yönetmek için bir dizi araç sağlar:
DNN sürecinin ve öğrenme sonuçlarının en iyi görselleştirilmesi TensorBoard tarafından sağlanır.
Ve elbette, derin öğrenme uzmanlarına tensorflow paketini kullanarak düşük seviyeli TensorFlow kitaplığıyla doğrudan çalışma fırsatı verilir.
Bu paketlerin tümü, Python modülleri, işlevleri ve sınıfları için çekirdek - reticulate - R arayüzüne dayanmaktadır. Python'da çağrıldığında, R veri türleri otomatik olarak eşdeğer Python türlerine dönüştürülür. Değerler Python'dan R'ye döndürüldüğünde tekrar R tiplerine dönüştürülür.Yakından bakmakta fayda var.
Tüm bu paketler iyi belgelenmiştir ve geliştiriciler sınıfı göz önüne alındığında şaşırtıcı olmayan, tonlarca örnek sağlanan ve sürekli gelişen. Böylece makine öğrenmesi alanındaki en gelişmiş ve gelişmiş derin öğrenme modellerini (DNN, RNN, CNN, LSTM, VAE vb.), pekiştirmeli öğrenmeyi (RL) ve diğer birçok Python geliştirmesini kullanmamız için eşsiz bir fırsata kavuştuk. terminalin uzmanları ve göstergelerinde yeterli bilgi ve deneyim"
İyi şanlar
aynı zamanda, stratejilerin karmaşıklığı ve iş miktarı, profesyonel olarak veri satanizmi ile uğraşmayan 1. kişi için çok fazla oluyor :)
Python ve MT entegrasyonunu neredeyse tamamladı. Ek bir DLL yazmak zorunda kaldım. Küçük şeyler kaldı. mqh'yi bitirin ve dokümana yazın. Kütüphanenin pek çok özelliği yok ama bunlar yeterli. Bir Python betiğini indirebilir ve çalıştırabilirsiniz. Ve ayrıca ondan herhangi bir işlevi çağırın. Listelerle çalışma olacak ama sadece tek boyutlu ve homojen olacak. Onlar. MQL dizisi bir listeye dönüştürülür ve bunun tersi de geçerlidir.
Ama R öğreticisi iyidir .. temel ve lineer modellerden garch'a ve peygamberin facebook'una .. (peygamberi buraya atmam boşuna değil, çünkü bazı çevrelerin ilgisini çekiyor ve mega kullanımı kolay ) neredeyse python ile aynı, ancak daha ayrıntılı olarak, R'deki öğretmenden
genel olarak, elbette, ekonometriden sinir ağlarına gitmek mantıklıdır, tersi değil, yani. Düşünmek için bir duyguya sahip olmak için (üniversitede okumadıysanız) zaten orada olanı inceleyin ve ardından ızgaraya bağlı kalın
genel olarak, ekonometrideki sinir ağlarının ayrı olduğunu ve ana konu olmadığını unutmayın (şimdilik)
https://msperlin.github.io/pafdR/
genel olarak, elbette, ekonometriden sinir ağlarına gitmek mantıklıdır, tersi değil, yani. Düşünmek için bir duyguya sahip olmak için (üniversitede okumadıysanız) zaten orada olanı inceleyin ve ardından ızgaraya bağlı kalın
genel olarak, ekonometrideki sinir ağlarının ayrı olduğunu ve ana konu olmadığını unutmayın (şimdilik)
https://msperlin.github.io/pafdR/
Birkaç yıl önce matlab ile ilgilendim ve "Ekonometri" adlı araç kutusunda ekonometri araçları hakkındaki fikirlerimin aksine SADECE GARCH modelleri vardı.
Sonuç olarak, MO ile meşgul. Hepsinden önemlisi, şaşırdım - bunlar finans piyasalarında ML uygulamasına ilişkin çok zayıf yayınlar.
Kısa süre önce GARCH'a döndüm ve beni en çok etkileyen, GARCH'ın finansal piyasalarda kullanımına ilişkin çok sayıda yayındı: borsalar, endeksler, vadeli işlemler ve döviz çiftleri. Sadece biraz saçmalık.
Yani matlab haklı olabilir mi? Belki NS dahil tüm ML araçları finansal piyasalar için üçüncü taraf araçlardır?
Yani matlab haklı olabilir mi? Belki NS dahil tüm ML araçları finansal piyasalar için üçüncü taraf araçlardır?
Eh, olduğu gibi, evet, bunlar bazı hazır ekonomiler değil. modeller, ancak herhangi bir alan için yalnızca bir dizi evrensel araç
parametrik olmayan ekonometri sadece MO ve bulanık mantıkla ilgilidir, ancak henüz anlaşılır bir şey görmedim, belki de bazı genel yaklaşımlar geliştirilmediği için. Eh, DNN'ye daha fazla gösterge dolduranlar ve nasıl çalıştığının net olmadığı net olmayanlar dışında :)