मुंबई में विदेशी मुद्रा व्यापार को जानें जहां मुझे मशीन मिलती है

विदेशी मुद्रा ट्रेडिंग मशीन सीखने में मशीन सीखना ने इसे मात्रा डेटा में और पूरे दिन लागू किया है उदाहरण के लिए, यह दिन के समय के आधार पर मात्रा का अनुमान लगाने के लिए काफी संभव है। उदाहरण के लिए इसकी भविष्यवाणी करना आसान है कि मध्यरात्रि में एक नीचे होगा और कुल मात्रा पिछले दिन के समान होगी लेकिन अर्थपूर्ण अंतर अनुमान लगाने में मुश्किल है। मुझे लगता है कि यह बाजार की गहराई के समान होगा, लेकिन मैंने इस तरह के आंकड़ों पर कभी ध्यान नहीं दिया है। मुझे लगता है कि विदेशी मुद्रा बाजार में सबसे अधिक समय अपने संयुक्त राष्ट्र के भविष्यवाणी व्यवहार को दर्शाता है। यह सभी गणनाओं के खिलाफ जाता है दो दिन पहले 1215 में व्यापारी ने कहा कि सोने उच्च हो जाएगा लेकिन यह 1163 के लिए नीचे आया। विदेशी मुद्रा का अपना व्यवहार है हामैन व्यापार मुख्य सीखने के लिए काम कर रहे हैं गा के क्यू ह्यूमन हानि किमी कहते हैं कि किमी हो या हूएन्ने एचा मुनाफा होल हो स्के प्रैक्टिस कर के बाजार के मुख्य डेमो का कहना है कि एलजी ट्रेडरजो के साथ सीखना है दिसंबर 2018 स्थिति: सदस्य 383 डाक नमस्कार साथी व्यापारियों , मैं यह धागा शुरू कर रहा हूं कि मशीन सीखने के क्षेत्र में मेरे कुछ विकास को साझा करने की उम्मीद कर रहा हूं। यद्यपि मैं आपके साथ सटीक सिस्टम या कोडिंग लागू नहीं कर सकता (यद्यपि कुछ भी प्राप्त करने की अपेक्षा नहीं है और इस धागे से समृद्ध हो) मैं आपके विचारों, मेरे प्रयोग के परिणाम और संभवत: अपने काम के अन्य पहलुओं को साझा करेंगे। मैं इस धागा को उम्मीद में शुरू कर रहा हूं कि हम विचारों को साझा करने में सक्षम होंगे और एक दूसरे को अपने कार्यान्वयन में सुधार करने में मदद करेंगे। मैं कुछ सरल मशीन सीखने की रणनीतियों के साथ शुरू करूँगा और फिर अधिक जटिल सामानों में चलेगा क्योंकि समय बीता है। आशा है कि आप सवारी का आनंद लें दिसंबर 2018 में शामिल होंगे स्थिति: सदस्य 383 पद मैं कुछ बुनियादी बातें कहकर शुरू करना चाहता हूं। मुझे खेद है कि अगर मेरे पदों की संरचना के लिए वांछित होने के लिए बहुत कुछ छोड़ देता है, मेरे पास कोई मंच पोस्टिंग अनुभव नहीं है, लेकिन समय के साथ कुछ पाने की उम्मीद है। मशीन सीखने में जो हम करना चाहते हैं वह सिर्फ एक भविष्यवाणी उत्पन्न करने के लिए है जो कि हमारे व्यापार के लिए उपयोगी है। इस भविष्यवाणी को बनाने के लिए हम उदाहरणों के एक सेट का उपयोग करके एक सांख्यिकीय मॉडल तैयार करते हैं (ज्ञात आउटपुट और कुछ आदानों, जिनसे हमें उन उत्पादनों की भविष्यवाणी करने के लिए अनुमानित शक्ति होती है) तब हम अपने द्वारा बनाई गई मॉडल का उपयोग करके अज्ञात आउटपुट (हमारे हालिया डेटा) का पूर्वानुमान बनाते हैं उदाहरण यह योग करने के लिए यह एक quotimplequot प्रक्रिया है जहां हम निम्नलिखित करते हैं: हम क्या भविष्यवाणी करना चाहते हैं का चयन करें (यह हमारा लक्ष्य होगा) कुछ इनपुट चर का चयन करें जो हम सोचते हैं कि हमारे लक्ष्य की भविष्यवाणी कर सकते हैं पिछले डेटा का उपयोग करते हुए उदाहरणों का एक समूह बनाएं हमारे इनपुट और हमारे लक्ष्यों के साथ इन उदाहरणों का उपयोग कर एक मॉडल बनाएं। एक मॉडल केवल एक गणितीय तंत्र है जो इनपुट-लक्ष्य को संबोधित करता है अंतिम ज्ञात आदानों का उपयोग करके लक्षित लक्ष्य का भविष्यवाणी करें। इस जानकारी का उपयोग करते हुए व्यापार मैं शुरू से ही कहना चाहता हूं कि मशीन सीखने पर कई शैक्षणिक पेपर करने से बचने के लिए बहुत महत्वपूर्ण है, जो उदाहरणों के बहुत बड़े arrays के साथ एक मॉडल बनाने का प्रयास करना है और फिर एक क्वाउट-ऑफ़-नमूनाक्वाट सेट पर दीर्घकालिक पूर्वानुमान बनाने का प्रयास करता है 10 साल के आंकड़ों के साथ एक मॉडल तैयार करना और फिर पिछले दो दिनों में इसका परीक्षण करना अज्ञानता है, कई प्रकार के सांख्यिकीय पूर्वाग्रहों के आधार पर हम बाद में चर्चा करेंगे। सामान्य तौर पर आप देखेंगे कि मशीन बनाने वाले मॉडल को हर बार (या हर बार मुझे निर्णय लेने की ज़रूरत है) पर प्रशिक्षित किया जाता है उदाहरणों के निर्माण के लिए डेटा की चलती विंडो का उपयोग करते हुए (केवल हाल के उदाहरणों को प्रासंगिक माना जाता है)। बेशक, यह दृष्टिकोण कुछ प्रकार के सांख्यिकीय पूर्वाग्रहों के लिए कोई अजनबी नहीं है, लेकिन हम सबसे अधिक अकादमिक कागजात के व्यापक नमूना दृष्टिकोण के नमूने दृष्टिकोण का उपयोग करते हुए कमरे के कोटे में कोटेलेफ़ेंट को निकालते हैं (जो कि आश्चर्य की बात नहीं है, अक्सर उन दृष्टिकोणों की ओर जाता है जो नहीं हैं वास्तव में व्यापार करने के लिए उपयोगी) एक मशीन सीखने के मॉडल का निर्माण करते समय मुख्य रूप से तीन चीजें हैं: क्या भविष्यवाणी करने के लिए (क्या लक्ष्य) इसके साथ क्या भविष्यवाणी कर सकता है (कौन सा इनपुट) लक्ष्य और निविष्टियाँ कैसे सम्बंधित करें (कौन से मॉडल) मैं क्या उल्लेख करूँगा इस सूत्र पर इन सवालों के जवाब देने पर ध्यान दिया जाएगा, वास्तविक उदाहरणों के साथ। यदि आप चाहते हैं कि आपके पास कोई प्रश्न लिखना है और मैं आपको एक उत्तर देने का प्रयास करूँगा या बस आपको बताना होगा कि क्या मैं बाद में इसका उत्तर दूंगा। दिसम्बर 2018 में शामिल हों स्थिति: सदस्य 383 पद हमें अब व्यवसाय में उतरना चाहिए। मशीन सीखने का उपयोग करके एक वास्तविक व्यावहारिक उदाहरण मान लीजिए कि हम एक बहुत ही सरल मॉडल का निर्माण करना चाहते हैं जो कि एक बहुत ही आसान सेट का उपयोग करता है। इस प्रयोग के लिए ये प्रश्नों के उत्तर हैं: भविष्यवाणी करने के लिए क्या (लक्ष्य क्या है) - जीटी अगले दिन की दिशा (बुलंद या मंदी की स्थिति) यह किसके साथ भविष्यवाणी कर सकता है (पिछले साल की दिशा) लक्ष्य और इनपुट (क्या मॉडल) - gt एक रैखिक नक्शा वर्गीकारक को संबोधित करने के लिए यह मॉडल अगले दैनिक पट्टी की दिशात्मकता का अनुमान लगाने का प्रयास करेगा। हमारे मॉडल का निर्माण करने के लिए हम पिछले 200 उदाहरणों (लक्ष्य के रूप में एक दिन की दिशा और पिछले दो दिन के दिशा-निर्देश के रूप में) लेते हैं और हम एक रेखीय वर्गीकारक को प्रशिक्षित करते हैं। हम इसे प्रत्येक दैनिक बार की शुरुआत में करते हैं यदि हमारे पास एक ऐसा उदाहरण है जहां दो बुलंद दिन एक मंदी की स्थिति में आते हैं तो निविष्टियां 1,1 रहेंगी और लक्ष्य 0 (0 बियरिश, 1 बुलिश) होगा, हम इन उदाहरणों में से 200 प्रत्येक बार पर मॉडल को प्रशिक्षित करने के लिए उपयोग करते हैं। हम एक ऐसे संबंध बनाने में सक्षम होने की उम्मीद करते हैं जहां दो दिन की दिशा में दिन की दिशा का सही ढंग से अनुमान लगाने के लिए कुछ अपरिमित संभावनाएं पैदा होती हैं। हम 20 दिनों की अवधि के 50 के बराबर स्टॉपलॉस का इस्तेमाल करते हैं, हर व्यापार पर औसत सच श्रेणी। अटैचमेंट इमेज (विस्तार करने के लिए क्लिक करें) इस तकनीक का 1 99 8 से 2018 तक यूआरयूएसडी पर आंकड़ा (1 999 से पहले डेटा डिमॉड है) से पता चलता है कि मॉडल में कोई स्थिर लाभ पीढ़ी नहीं है। वास्तव में यह मॉडल एक नकारात्मक पक्षपातपूर्ण यादृच्छिक पैदल चल रहा है, जो इसे फैलाने के कार्य के रूप में पैसे खो देता है (मेरे सिम में 3 पिप्स)। 1 993-1995 में और 2003-2005 में हमारे जाहिरा तौर पर उद्धरणपूर्ण प्रदर्शन को देखो, जहां जाहिरा तौर पर हम एक साधारण रेखीय मॉडल और पिछले दो दिवसीय दिशात्मक परिणामों का इस्तेमाल करते हुए अगली दिन की दिशा में सफलतापूर्वक भविष्यवाणी कर सकते थे। यह उदाहरण आपको कई महत्वपूर्ण चीजें दिखाता है उदाहरण के लिए, उस छोटी अवधि के दौरान (जो कि कुछ वर्षों में हो सकता है) आप आसानी से बेतरतीब ढंग से बेवकूफ़ बना सकते हैं --- आप सोच सकते हैं कि आपके पास कुछ ऐसा काम है जो वास्तव में नहीं करता है। याद रखें कि पिछले 200 इनपुट-लक्षित उदाहरणों का उपयोग करते हुए प्रत्येक पट्टी पर मॉडल का पुनर्निर्माण किया जाता है। आपको क्या लगता है कि आप इस उदाहरण से सीख सकते हैं अपने विचार पोस्ट करें अच्छी तरह से तो आपने भविष्यवाणी की है कि खरीदार या विक्रेता अंत में कदम उठाएंगे, लेकिन वास्तव में इसकी कीमत 100 पिप्स ऊपर या नीचे जा रही है, मूल्य विभिन्न तरीकों से प्रतिक्रिया कर सकता है - यह केवल कुछ समय के लिए टैंक (जबकि सभी सीमा आदेश भरे हुए हैं) हो सकता है और फिर आगे बढ़ते रहें। यह 5, 10, 50 या 99 पिप्स वापस भी कर सकता है इन सभी मामलों में आप खरीददारों या विक्रेताओं के कदम के बारे में थोड़े सही थे, लेकिन आपको समझना चाहिए कि इस विश्लेषण में आपके व्यापार के साथ 90pip से 100pip तक जा रहा है। हां, आप सही हैं यह कारण का एक बड़ा हिस्सा है क्योंकि हम रेखीय मानचित्रण एल्गोरिथम का उपयोग करते समय खराब परिणाम प्राप्त कर रहे हैं। क्योंकि हमारी मुनाफे हमारी भविष्यवाणी से बहुत खराब है। उस दिन की भविष्यवाणी कर रहे हैं कि बुलबुलाबिशश सीमित उपयोग का है, अगर आप यह नहीं जानते कि कितना मूल्य बढ़ जाएगा शायद आपकी भविष्यवाणियां केवल उन दिनों पर सही होती हैं जो आपको 10 पिप्स देती हैं और आप सभी पाइपों को 100 पाइप दिशानिर्देश पूरी तरह गलत मानते हैं। आप मशीन सीखने की विधि के लिए एक बेहतर लक्ष्य पर विचार करेंगे हाँ, आप सही हैं यह कारण का एक बड़ा हिस्सा है क्योंकि हम रेखीय मानचित्रण एल्गोरिथम का उपयोग करते समय खराब परिणाम प्राप्त कर रहे हैं। क्योंकि हमारी मुनाफे हमारी भविष्यवाणी से बहुत खराब है। उस दिन की भविष्यवाणी कर रहे हैं कि बुलबुलाबिशश सीमित उपयोग का है, अगर आप यह नहीं जानते कि कितना मूल्य बढ़ जाएगा शायद आपकी भविष्यवाणियां केवल उन दिनों पर सही होती हैं जो आपको 10 पिप्स देती हैं और आप सभी पाइपों को 100 पाइप दिशानिर्देश पूरी तरह गलत मानते हैं। आपको मशीन सीखने की विधि के लिए एक बेहतर लक्ष्य क्या होगा, यदि आपको 100 पीपी टीपी और एसएल हैं, तो मैं यह अनुमान लगा सकता हूं कि सबसे पहले कौन आता है: टीपी या एसएल उदाहरण: टीपी पहले आए 1 एसएल पहले 0 (या -1) हालांकि आप इसे मैप करते हैं)