Přehled

• Na stránce změněno: (1 změněno, 0 přidáno, 0 odstraněno)

Rozpis

Na stránce změněno:

Obsah

...	...	@@ -3,6 +3,11 @@
3	3	algo-trading basics [[https:~~/~~/algo-trading.readthedocs.io/en/latest/data-science-basics.html>>https://algo-trading.readthedocs.io/en/latest/data-science-basics.html]] a [[github>>https://github.com/awoo424/algotrading]]
4	4
5	5
	6	+= Python and stocks =
	7	+
	8	+[[https:~~/~~/github.com/LastAncientOne/SimpleStockAnalysisPython>>https://github.com/LastAncientOne/SimpleStockAnalysisPython]]
	9	+
	10	+
6	6	= Zajimavé indikátory =
7	7
8	8	Podívat se na Prior SAR: The SAR value for previous period.
...	...	@@ -23,12 +23,23 @@
23	23
24	24	= AI =
25	25
	31	+Základní myšlenka: Vstup (buď trade data nebo nějaký sec rt bar) + základní hodnoty indikátorů(ma, rsi, momentum..). Model dostane sušenku, když v aktuálním bodě predikuje, že půjde o malou hodnotu nahoru (např. 5 ticků). Za to dostane odměnu. A pustit na to třeba měsíční data. A vidělo by se. To by nemuselo být složité na interpretaci.
	32	+
	33	+A pak vytrénovaný model pustit na online data.
	34	+
	35	+
	36	+LSTM in stock - příklad [[https:~~/~~/www.kaggle.com/code/faressayah/stock-market-analysis-prediction-using-lstm/notebook>>https://www.kaggle.com/code/faressayah/stock-market-analysis-prediction-using-lstm/notebook]]
	37	+
	38	+podívat se na keras a LTSM
	39	+
26	26	Zajimavý článek [[základy Recurrent Neural Networks>>http://karpathy.github.io/2015/05/21/rnn-effectiveness/]] a [[https:~~/~~/towardsdatascience.com/recurrent-neural-networks-rnns-3f06d7653a85>>https://towardsdatascience.com/recurrent-neural-networks-rnns-3f06d7653a85]]
27	27
28	28	Příklad - [[singlefeature LSTM model in pytorch>>https://algo-trading.readthedocs.io/en/latest/integrated-strategy.html#single-feature-lstm-model]].
29	29
30		-predikční modely (HFT, 15s dt, střednědobý)
	44	+[[Stock Machine learning algorithms on github>>https://github.com/LastAncientOne/Deep_Learning_Machine_Learning_Stock]] ([[LSTM>>https://github.com/LastAncientOne/Deep_Learning_Machine_Learning_Stock/blob/master/Stock_Algorithms/LSTM_RNN_Part2.ipynb]])- projít
31	31
	46	+Zadání: predikční modely (HFT, 15s dt, střednědobý)
	47	+
32	32	* - learning data
33	33	** vývoj ceny - timeseries relevantní frekvence (trades, 15s ohlc a třeba 1h(1d) ohlc)
34	34	** dopočítané/doplněné sloupce k timeseries (indikátory, calendar data a další time related data)