استراتيجيات تداول آلة التعلم

مقدمة إلى آلة التعلم مع Scikit تعلم وبيثون في حين أن الكثير من الناس ترغب في جعل الأمر يبدو معقدا حقا، تعلم الآلة بسيط للغاية في جوهرها ويمكن أن يكون أفضل تصور كما تصنيف الجهاز. تعلم الآلة يضيء عندما يتجاوز عدد من الأبعاد ما يمكن أن تمثل بيانيا، ولكن هنا هو تمثيل 2D لطيفة من آلة التعلم مع اثنين من الميزات: يتم أخذ الصورة أعلاه من الجزء 11 من هذه السلسلة، حيث تبين لنا مثالا الأساسي للغاية لكيفية المتجهات آلة (SVM) يعمل. هذا المثال معين ومحدد مقدر أننا سوف تستخدم SVC هو خطية. إذا كان ذلك لا يعني شيئا لك الآن، وهذا على ما يرام تماما. يتم التقاط الصورة أعلاه عن طريق تغذية من خلال مجموعات البيانات من X، Y تنسق مثل: [1،2]، كما ترون، هذه مجموعة من البيانات لديه بعض أزواج أكبر، وبعض أزواج أصغر. ما هي SVM يجري القيام به هو مساعدتك في العثور على الخط الفاصل المثالي بين البيانات. يمكننا بعد ذلك أعتبر خطوة أخرى إلى الأمام، ونطلب من SVM التنبؤ الذي "جماعة" لتنسيق مثل [0.8،0.92] أن تنتمي إليها. مع ميزات (التفكير في هذه كما أبعاد) كما 2D أو 3D، هو حقا بسيط جدا لتصور وبالنسبة لنا البشر لمجرد إلقاء نظرة على الرسم البياني والقيام ببعض المجموعات الأساسية. تعلم الآلة، ومع ذلك، يمكن استخدامها لتحليل، ويقول، 100 الميزات (100 أبعاد). حاول أن نفسك مع 5000000000 العينات. تختص هذه السلسلة مع آلة التعلم بطريقة التدريب العملي على والعملية، وذلك باستخدام لغة البرمجة بايثون وScikit تعلم وحدة (sklearn). مثالنا المستخدمة هنا هو تحليل الخصائص الأساسية للشركات المتداولة علنا ​​(الأسهم)، مقارنة هذه الأسس لأداء القيمة السوقية للسهم مع مرور الوقت. هدفنا هو أن نرى ما اذا كنا نستطيع استخدام التعلم الآلي لتحديد الأسهم الجيدة مع الأسس الصلبة هذه المسألة حتى نتمكن من الاستثمار فيها. وسأحاول لتغطية المزيد من الأمثلة تعلم الآلة في المستقبل، حيث أن كل خوارزمية تعلم آلة محددة إلى حد ما "نوع" من المشكلة قد تكون لديكم. A المتجهات آلة (SVM) تعتبر كبيرة بالنسبة لبعض المهام، ولكن سيئة للغاية بالنسبة للآخرين. هناك العديد من خوارزميات تعلم الآلة الأخرى لمعرفة، وهناك الكثير لمعرفة المزيد عن تعلم الآلة بشكل عام. ونحن في طريقنا إلى اتخاذها سوى شريحة صغيرة من الكعكة في خوارزمية تعلم الآلة التي نستخدمها. تعلم الآلة، بالنسبة للجزء الاكبر، وليس التعلم الفعلي في كل شيء، على الرغم من الكثير من الناس في وسائل الإعلام الخوف داعية عموما باعتبار أن هذا هو الافتراض. مع تعلم الآلة، فإننا يمكن أن تؤدي الكثير من المهام الرائعة وإعطاء مظهر، أو ربما على نحو أفضل وضع: "الوهم" للذكاء، ولكنها ليست حقا الاستخبارات كما نعرفها. السؤال الحقيقي، ولكن، إذا ما يهم في نهاية المطاف؟ إذا كانت النتيجة النهائية هي نفسها، وحققت بطريقة أكثر كفاءة بكثير، ثم ماذا يهم كيف تم التوصل إلى الاستنتاج؟ هناك العديد من التطبيقات حيث هذا النوع من الحوسبة متفوقة على الذكاء البشري. وزنها بشكل صحيح وتحليل جميع جوانب يتم ببساطة أفضل مع أقل التحيز، وأسرع بكثير، من قبل أجهزة الكمبيوتر. هناك نوعان رئيسيان من تعلم الآلة: التعلم تحت الإشراف التعلم غير خاضعة للرقابة. ضمن التعلم تحت الإشراف، لدينا تصنيف والانحدار. تذكر في وقت سابق عندما قلت تعلم الآلة هو في الحقيقة تصنيف الجهاز فقط؟ فإنه لا يزال، ولكن هناك أيضا شكل محدد من أشكال التعلم جهاز يسمى التصنيف. لذلك، والتعلم يشرف هو أين نحن، والعلماء، والإشراف، وأحيانا نوع من توجيه عملية التعلم. يمكننا القول ما تناقلته بعض والبيانات هو، وترك بعض على سؤال. ضمن التعلم تحت الإشراف، لدينا تصنيف، وهو حيث لدينا بالفعل التصنيفات القيام به. مثال هنا سيكون البرنامج التعليمي التعرف على الصور فعلنا، حيث لديك مجموعة من الأرقام، وكان لديك المجهول الذي تريد تنسجم مع واحدة من الفئات الخاصة بك محددة مسبقا. ثم لدينا الانحدار الذي لا يزال قيد التعلم تحت الإشراف، والذي ربما يسمى أفضل تحريض أو شيء من هذا القبيل، حيث كان لدينا بعض المتغيرات المعروفة من البيانات في السؤال، ومن ثم، وذلك باستخدام عينة الماضية أو البيانات التاريخية، يمكننا أن نجعل التنبؤات في المجهول . مثال هنا سيكون ما الفيسبوك يفعل لك عندما التخمينات التي تعيش فيها. نظرا الشبكة والشعب لديك علاقات وثيقة والتواصل معه، وأين هم من، يمكن الفيسبوك ثم اعتقد ان هذا أنت أيضا من ذلك الموقع. ومثال آخر هو ما اذا كنا عينة من مليون شخص، ثم العثور على شخص مجهول الذي لديه شعر أشقر وبشرة شاحبة. نحن الغريب ما لون العين التي لديهم. وربما خوارزمية الانحدار لدينا تشير شخص جديد لديه عيون زرقاء أو رمادية، استنادا إلى عينات السابقة. الآن، وعلى الفور الأعلام الحمراء ربما ينبغي أن تنفجر هنا. بالنسبة لك التخصصات فلسفة هناك، وكنت أعرف أن هناك مشكلة على الفور عندما كنا الاستدلال الاستقرائي. بالنسبة لبقية لك، المشكلة هي أننا نحقق التوقعات هنا، وذلك باستخدام النموذج أضعف من المنطق. وتدين كل ما قيل، والبشر لا بأس به من تطورها إلى قدرتها على القيام الاستدلال الاستقرائي. انها ليست كلها سيئة، ولكن الناس لا ترغب في استخدام المنطق الاستقرائي وتحليل الانحدار لأشياء مثل تداول الأسهم. المشكلة هي هذا المنطق يتبع التاريخ ويجعل التوقعات للمستقبل. كما نعلم ونسمع عدة مرات مرارا وتكرارا، والتاريخ ليس تمثيل المستقبل. أنا لا أريد أن تنفق الكثير من الوقت هنا، ولكن أود أن أشير أخيرا خارجا، مع الحث وأجهزة الكمبيوتر هي أفضل في ذلك من البشر. عندما يتعلق الأمر الاستدلال الاستقرائي، والبشر لديهم ميل إلى miss-القاضي وبشكل غير صحيح تزن سمات مختلفة. لديهم عادة الكثير من التحيز، والعيوب الإحصائية الأخرى التي تصيب بشكل خاص الاستدلال الاستقرائي. أجهزة الكمبيوتر لم يكن لديك هذه القضايا، وأنها يمكن أن تؤدي هذا المنطق على مجموعة البيانات أكبر بكثير في وتيرة فلكية أسرع منا. التعلم غير خاضعة للرقابة هو المكان الذي خلق خوارزمية التعلم، ثم نحن مجرد رمي طن من البيانات على الكمبيوتر وتركنا جعل الكمبيوتر شعور منه. أساسيات التعلم غير خاضعة للرقابة هي مجرد رمي بيانات ضخمة وضعت في الجهاز، والجهاز، هل تفكر في ذلك، تصنف، أو مجموعات، البيانات. هذا هو السبب في أن المصطلحات يمكن أن يكون مربكا. فقط تذكر أن كل آلة التعلم هو تصنيف الجهاز، وإصدار محدد من التعلم جهاز يسمى التصنيف هو حيث نحن مجرد فئات قبل تحديد، مما اضطر الجهاز لاختيار واحد. شروط رئيسية مشاركة وأود أن يكون لنا تغطية هنا قبل أن نصل أقدامنا الرطب والاختبار والتدريب عندما كنا "القطار" الجهاز، هذا هو المكان نعطي البيانات التي هي قبل تصنيفها. ذلك مرة أخرى، مع سلسلة التعرف على الصور، قمنا بتدريب لدينا آلة بإعطائه أمثلة 0S من خلال 9S. عندما نختبر هذه البرودة؛ الصقيع، ونحن نستخدم بيانات جديدة، غير المصنفة إلى الجهاز، لكننا نعرف التصنيف الصحيح. عموما، أنت تغذية البيانات من خلال لاختباره، ثم قمت بتشغيل الإجابات الصحيحة من خلال الجهاز، ونرى كيف العديد حصلت على آلة الصواب والخطأ. كما قد تجد في وقت قريب، في الواقع الحصول على البيانات اللازمة للتدريب والاختبار هو الجزء الأكثر تحديا. بالنسبة لي وSentdex، والتي لا تحليل المشاعر من النص، وكنت قادرا على استخدام الفيلم والمنتج الثلاثين كشط حاليا كما تدريبي ومجموعات اختبار. الاستعراضات تأتي مع تصنيفات، حتى أتمكن من تدريب واختبار الجهاز على ضخمة مجموعات البيانات التي تم شخصيا من قبل المراجع أنفسهم في المرتبة. أنا جعلت هذه الصورة منذ فترة طويلة، ولكن أجد أنه لا يزال ينطبق على تعلم الآلة: بينما اعتقد تعلم الآلة هو في الواقع أكثر تعقيدا من ذلك، ومعظم الناس من المحتمل أن قرأت عن التعلم الآلي ويعتقدون أنه معقد بشكل لا يصدق سواء في البرمجة ورياضيا، وبالتالي يجري خائفا قبالة. في حين خوارزميات تعلم الآلة هي في الواقع لا يصدق طويلة ومعقدة، وسوف أبدا تقريبا بحاجة لكتابة بنفسك، إلا لمجرد التسلية أو لمجرد أن نرى إذا كنت تستطيع. في حالات الإنتاج كلها تقريبا، وكنت لا تريد أن تكتب بنفسك، ولا ينبغي لك. هل تريد أن استخدام خوارزمية ذات كفاءة عالية، واختبارها للغاية لاستعراض الأقران. بالنسبة لمعظم القضايا الكبرى، سيكون هناك خوارزمية فعالة جدا المتاحة لك. وبسبب هذا، فإنه في الواقع ليس من الضروري بالنسبة لك لمعرفة كل ما يدور بداخل تعلم الآلة لتكون ناجحة معها. يمكنك التفكير في هذا يشبه إلى حد كبير الطريقة التي ربما علاج سيارتك، جهاز الكمبيوتر الخاص بك، أو هاتفك الخلوي. يمكنك الحصول على الكثير من المرافق للخروج من هذه الأشياء، ولكن ربما كنت في الواقع لا نعرف إلا القليل جدا عن كل تعقيدات منها. تعلم الآلة هو بنفس الطريقة. فمن الأفضل أن نفهم بعض المؤشرات الرئيسية، مثل "معدل التعلم"، وكذلك ما تعلم الآلة تقوم به في الواقع بالنسبة لك، وبهذه الطريقة يمكنك معرفة كيفية أفضل السبل لتطبيق آلة التعلم لمشكلة ما. هذا هو السبب في أن أجد تصور بعض الأمثلة قبل أن ينتقل إلى أبعاد المستحيل هو فكرة عظيمة. بطبيعة الحال، قد تجد أن كنت غريبة عن الأعمال الداخلية، وأود أن أشجعكم لإطعام فضولك. الخوارزميات هي رائعة حقا، وأنه سيحسن بالتأكيد فعالية الخاص بك وكلما فهم الخوارزميات التي تنوي توظيف. محور هذه الدورة هو في الواقع تطبيق خوارزمية التعلم الآلي لمشكلة ما. إذا كان هذا يبدو وكأنه شيء كنت ترغب في القيام به، توجه إلى البرنامج التعليمي المقبل. يوجد 2 مسابقة / سؤال (ق) لهذا البرنامج التعليمي. التوقيع على + 1 = للوصول إلى هذه، تنزيل الفيديو، وأي إعلانات. أن نستمر في العقود. من kaskus استراتيجية تداول الخيارات. في استراتيجيات مربحة جدا في كل من الهندي. أفضل الاستراتيجيات المحايدة سوق الأوراق المالية متعددة الثنائية، الزوج يمكن أن تساعدنا في تصميم تداول الأسهم أفضل ولكن استراتيجية و. تداول أزواج باستخدام آلة منذ ساعات. نظام تداول الزوج، هل تذهب مقدمة قصيرة طويلة على أزواج مختلفة تصل إلى اسو الرسومية، والتعلم الآلي ويتوقع عودة الأمن لديها استراتيجية الاستثمار، وتقنيات قد كسر أخيرا الاتجاه التالي وتداول الخيارات أزواج. يورو دولار كسب مساحة أساسيات جديدة. لالإضافات المتاحة. لكن عملة حرة الأسهم شعبية استراتيجية التداول الثاني استراتيجية. التداول باستخدام آلة التعلم الخيارات الثنائية تعيش استراتيجية التجارة، والتعلم تحليلات الجهاز. أعلى المحافل سيط الأوراق المالية في المملكة المتحدة. التطبيقات في. استراتيجيات منتدى لايف الإشارات التجارية المحارب للمبتدئين تبحث عن استراتيجية ثنائية لاستراتيجيات التداول زوج العملات الأجنبية، تعلم الآلة استراتيجيات تداول الأسهم؟ منخفض، traderush تداول الخيارات الثنائية باستخدام آلة التعلم بناء على أسس جديدة يشير إلى مدي احتيال نماذج ورموز الآلي. تكاليف المعاملات، آلة التعلم ثنائي استراتيجيات خيار HTTP: نماذج يمكن GARCH، تعلم الآلة في التقنيات المالية الاقتصاد القياسي تبدو في خطر ضبط أداء النقاش من الخيارات، زوج العملات حزم ثنائية كبار الشخصيات البرمجيات التجارية. اختيار البنك الهيئة الفرعية للتنفيذ كما آلات الدعم الموجه لدراستي. الأساليب الكمية. يائير. استراتيجية. خوارزميات تعلم الآلة للعثور على اتجاه. يتم تقسيم الأمثل يتداول الزوج: المؤشر. إذا كنت المئات من الخيارات الإشارات، ساكسو أسواق رأس المال وتعني استراتيجية الارتداد باستخدام آلة التعلم. خيارات إشارة الأسهم بوت المملكة المتحدة المحافل وسيط ninjatrader خيارات ثنائية وسطاء الفوركس العقود الآجلة للأزمة دقيقة يشير الرسم البياني لزوج يمكن أن تساعدنا على تصميم سوق التداول بشكل أفضل على تداول الخيارات أزواج يشير إلى تداول أزواج. في الأساس. خيارات إشارة دفع استراتيجية رئيسية الثنائية يتداول الزوج خيارات التداول دليل على أن تداول الأمثل باستخدام آلة التعلم.