- Регистрация
- 13.06.19
- Сообщения
- 33,968
- Реакции
- 452,368
- #1
Голосов: 0
Автор: Владислав Кузьменков
Название: Торговый агент на основе сверточной нейронной сети
Вы можете создать множество моделей, которые с некоторым успехом прогнозирует цену, но разве это вам нужно? Трейдера зарабатывают не на прогнозах, а на верных решениях. Как научить модель не предсказывать, а принимать решения?
Представим трейдинг в виде игры и осуществим небольшое погружение в обучение с подкреплением. Напишем очень простое своё gym окружение для торговли индексом РТС. Реализуем метод обучения Policy Gradient и посмотрим на результаты эмуляции торговли нашей нейронной сети.
Программа обучения "Торговый агент на основе сверточной нейронной сети"
Занятие 1
Название: Торговый агент на основе сверточной нейронной сети
Вы можете создать множество моделей, которые с некоторым успехом прогнозирует цену, но разве это вам нужно? Трейдера зарабатывают не на прогнозах, а на верных решениях. Как научить модель не предсказывать, а принимать решения?
Представим трейдинг в виде игры и осуществим небольшое погружение в обучение с подкреплением. Напишем очень простое своё gym окружение для торговли индексом РТС. Реализуем метод обучения Policy Gradient и посмотрим на результаты эмуляции торговли нашей нейронной сети.
Программа обучения "Торговый агент на основе сверточной нейронной сети"
Занятие 1
- Что такое обучение с подкреплением и где оно используется
- Зачем нужен OpenAI Gym и как он работает
- Интуитивное представление о методе обучения Policy Gradient
- Пишем gym environment на Python
- Как работает Policy Gradient
- Реализация Policy Gradient на Python
- Результаты обучения нейронной сети
- Целесообразность такого подхода. Над чем нужно ещё работать
Для просмотра ссылок пройдите регистрацию
Скачать: