Jo Forex

IPath Bloomberg Coffee Sub-Index Rendimiento Total ETN (JO) Pre-Market Trading Tiempo Real Después de Horas Noticias Pre-Market Resumen de Cotización de Flash Cotización Gráficos Interactivos Ajuste Predeterminado Tenga en cuenta que una vez que haga su selección, se aplicará a todas las futuras visitas a NASDAQ. Si, en cualquier momento, está interesado en volver a nuestra configuración predeterminada, seleccione Ajuste predeterminado anterior. Si tiene alguna pregunta o algún problema al cambiar la configuración predeterminada, envíe un correo electrónico a isfeedbacknasdaq. Confirme su selección: Ha seleccionado cambiar su configuración predeterminada para la Búsqueda de cotizaciones. Ahora será su página de destino predeterminada a menos que cambie de nuevo la configuración o elimine las cookies. Está seguro de que desea cambiar su configuración? Tenemos un favor que pedir. Por favor, deshabilite su bloqueador de anuncios (o actualice su configuración para asegurarse de que se habilitan javascript y cookies), para que podamos seguir proporcionándole las noticias de primera clase del mercado. Y los datos que has llegado a esperar de nosotros. Satisfacción Si por alguna razón, youre no está satisfecho con nuestro servicio y sus resultados, vamos a intentarlo de nuevo. Nuestros servicios giran en torno a usted y le garantizan recibir servicios que le satisfacen. Ahorre tiempo Usted está probablemente ocupado haciendo otras cosas que tienen que hacerse. Bueno, quitar la cantidad de tiempo que le lleva a tomar una decisión de inversión financiera. Libertad financiera Usted podrá descansar cómodamente sabiendo que su dinero es seguro. Todos los fondos de inversión están seguros utilizando herramientas modernas de seguridad de inversión. Samsung asignó 9 millones a la empresa FOREX CAPITAL MARKETS LIMITED Patrocinador principal del Club Atlético de Madrid, 2016 finalistas de la Liga de Campeones y campeones de la Liga 2013-2014 Interés por Google Tendencias 2016 Quiénes somos La plataforma FOREXBROTHERS. NET es ofrecida por FOREX CAPITAL MERCADOS LIMITADOS. Una empresa con sede en el Reino Unido con sus oficinas ubicadas en la ciudad de Londres. La compañía está autorizada y regulada por la Autoridad de Conducta Financiera (FCA) para ofrecer Contratos por Diferencia (CFD). La compañía es un proveedor de CFD en rápido crecimiento y actualmente ofrece su cartera de más de 2000 instrumentos. FOREX CAPITAL MARKETS LIMITED es una filial de FOREX CAPITAL MARKETS LIMITED, una empresa cotizada en AIM, uno de los mercados de valores de la Bolsa de Londres y con sede en Haifa. Dinero del cliente Cuando abra una cuenta, FOREX CAPITAL MARKETS LIMITED mantendrá sus fondos de forma segregada, de acuerdo con las reglas de dinero de los clientes de la Autoridad de Conducta Financiera. Protección del dinero del cliente. 120 después de 1 hora Aprendizaje de la máquina con algoTraderJo Se unió a diciembre de 2014 Estado: Miembro 383 Puestos Hola compañeros comerciantes, Estoy empezando este hilo con la esperanza de compartir con ustedes algunos de mis desarrollos en el campo de la máquina de aprendizaje. Aunque no comparto con usted los sistemas exactos o las implementaciones de codificación (no esperes conseguir nada para quotplug-and-playquot y hacerse rico de este hilo) compartiré con usted ideas, resultados de mi experimento y posiblemente otros aspectos de mi trabajo. Estoy empezando este hilo con la esperanza de que podremos compartir ideas y ayudarnos mutuamente a mejorar nuestras implementaciones. Comenzaré con algunas estrategias de aprendizaje simples de la máquina y entonces entraré en materia más compleja como pasa el tiempo. Espero que disfrutes de la carrera Junio ​​de 2014 Status: Member 383 Posts Quiero comenzar diciendo algunas cosas básicas. Lo siento si la estructura de mis puestos deja mucho que desear, no tengo ningún foro de la experiencia de publicación, pero espero obtener algo con el tiempo. En el aprendizaje de la máquina lo que queremos hacer es simplemente generar una predicción que sea útil para nuestro comercio. Para hacer esta predicción generamos un modelo estadístico usando un conjunto de ejemplos (salidas conocidas y algunas entradas que las cosas tienen poder predictivo para predecir esas salidas) entonces hacemos una predicción de una salida desconocida (nuestros datos recientes) usando el modelo que creamos con Los ejemplos. Para resumir es un proceso quotsimplequot donde hacemos lo siguiente: Seleccione lo que queremos predecir (este será nuestro objetivo) Seleccionar algunas variables de entrada que creemos que pueden predecir nuestros objetivos Construir un conjunto de ejemplos con datos pasados Con nuestras entradas y nuestros objetivos Cree un modelo usando estos ejemplos. Un modelo es simplemente un mecanismo matemático que relaciona las entradas / objetivos Hacer una predicción de la meta utilizando las últimas entradas conocidas Comercio usando esta información Quiero decir desde el principio que es muy importante evitar hacer lo que muchos documentos académicos sobre el aprendizaje de máquina Do, que consiste en intentar construir un modelo con arreglos muy grandes de ejemplos y luego intentar hacer una predicción a largo plazo en un conjunto de quotout de muestra. Construir un modelo con 10 años de datos y luego probarlo en los dos últimos es no-sentido, sujeto a muchos tipos de sesgos estadísticos que discutiremos más adelante. En general, verá que los modelos de aprendizaje de máquina que construyo son entrenados en cada barra (o cada vez que necesito tomar una decisión) usando una ventana móvil de datos para la construcción de ejemplos (sólo ejemplos recientes se consideran relevantes). Sin duda, este enfoque no es ajeno a algunos tipos de sesgos estadísticos, pero quitar el quotelefante en la sala cuando se utiliza el amplio en la muestra de la muestra de la mayoría de los trabajos académicos (que, sin sorpresa, a menudo conduce a enfoques que no son Realmente útil para el comercio). Hay principalmente tres cosas que preocuparse cuando se construye un modelo de aprendizaje de máquina: Qué predecir (qué objetivo) Qué predecir con (qué insumos) Cómo relacionar el destino y las entradas (qué modelo) La mayoría de lo que voy a estar mencionando En este hilo se centrará en responder a estas preguntas, con ejemplos reales. Si desea escribir cualquier pregunta que pueda tener y voy a tratar de darle una respuesta o simplemente le permiten saber si voy a contestar que más adelante. Se unió a diciembre de 2014 Estado: Miembro 383 Puestos Vamos a trabajar ahora. Un verdadero ejemplo práctico utilizando el aprendizaje automático. Supongamos que queremos construir un modelo muy simple usando un conjunto muy simple de entradas / objetivos. Para este experimento estas son las respuestas a las preguntas: Qué predecir (qué objetivo) - gt La dirección del día siguiente (alcista o bajista) Qué predecir con (qué entradas) - gt La dirección de los 2 días anteriores Cómo Para relacionar el objetivo y las entradas (qué modelo) - gt Un clasificador de mapas lineales Este modelo intentará predecir la direccionalidad de la siguiente barra diaria. Para construir nuestro modelo tomamos los últimos 200 ejemplos (una dirección de días como objetivo y las instrucciones de dos días anteriores como entradas) y entrenamos un clasificador lineal. Lo hacemos al comienzo de cada bar diario. Si tenemos un ejemplo en el que dos días alcistas conducen a un día bajista los insumos serían 1,1 y el objetivo sería 0 (0bearish, 1bullish), utilizamos 200 de estos ejemplos para entrenar el modelo en cada barra. Esperamos poder construir una relación donde la dirección de dos días produce cierta probabilidad por encima del azar para predecir correctamente la dirección de los días. Utilizamos un stoploss igual a 50 del período promedio de 20 días True Range en cada comercio. Una simulación de esta técnica de 1988 a 2014 sobre el EUR / USD (datos anteriores a 1999 es DEM / USD) muestra que el modelo no tiene una generación estable de beneficios. De hecho, este modelo sigue una caminata al azar negativamente sesgada, lo que hace que pierda dinero en función de la propagación (3 pips en mi sim). Observemos el desempeño aparentemente prestimista que tenemos en 1993-1995 y en 2003-2005, donde aparentemente podríamos predecir con éxito la direccionalidad de los próximos días usando un modelo lineal simple y los resultados direccionales de los dos días anteriores. Este ejemplo muestra varias cosas importantes. Por ejemplo, que a través de plazos cortos (que podría ser un par de años) que puede ser fácilmente engañado por la aleatoriedad --- se puede pensar que tiene algo que funciona que realmente no. Recuerde que el modelo se reconstruye en cada barra, utilizando los últimos 200 ejemplos de entrada / destino. Qué otras cosas crees que puedes aprender de este ejemplo? Publica tus pensamientos. Por lo que predijo que los compradores o vendedores de paso pulg Hmm, pero lo que exactamente tiene que ver con el precio subiendo o bajando 100 pips Precio puede reaccionar de diversas maneras - que sólo podría tanque durante algún tiempo (mientras todas las órdenes de límite se llenan) Y luego seguir avanzando. También puede recorrer 5, 10, 50 o incluso 99 pips. En todos estos casos, usted estaba un poco bien acerca de los compradores o vendedores de entrar, pero usted debe entender que este análisis no tiene mucho que ver con su comercio va de 90pip a 100pip. Sí, tienes razón Esta es una gran parte de la razón por la que estamos recibiendo malos resultados al usar el algoritmo de mapeo lineal. Porque nuestra rentabilidad está mal relacionada con nuestra predicción. Predecir que los días son alcistas / bajistas es de uso limitado si no sabe cuánto precio se moverá. Tal vez sus predicciones son correctas sólo en los días que le dan 10 pips y obtendrá todos los días que tienen 100 pip direccionalidad totalmente equivocado. Qué consideraría un mejor objetivo para un método de aprendizaje automático? Sí, tiene razón Esta es una gran parte de la razón por la que estamos obteniendo malos resultados al usar el algoritmo de mapeo lineal. Porque nuestra rentabilidad está mal relacionada con nuestra predicción. Predecir que los días son alcistas / bajistas es de uso limitado si no sabe cuánto precio se moverá. Tal vez sus predicciones son correctas sólo en los días que le dan 10 pips y obtendrá todos los días que tienen 100 pip direccionalidad totalmente equivocado. Qué consideraría un mejor objetivo para un método de aprendizaje de la máquina Vamos a decir si usted tiene 100 pip TP y SL, me gustaría predecir lo que viene primero: TP o SL Ejemplo: TP vino primero 1 SL vino primero 0 (o -1, Sin embargo usted lo traza)