Přehled

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

Rozpis

Na stránce změněno:

Obsah

...	...	@@ -3,11 +3,6 @@
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		-
11	11	= Zajimavé indikátory =
12	12
13	13	Podívat se na Prior SAR: The SAR value for previous period.
...	...	@@ -28,23 +28,12 @@
28	28
29	29	= AI =
30	30
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		-
40	40	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]]
41	41
42	42	Příklad - [[singlefeature LSTM model in pytorch>>https://algo-trading.readthedocs.io/en/latest/integrated-strategy.html#single-feature-lstm-model]].
43	43
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
	30	+predikční modely (HFT, 15s dt, střednědobý)
45	45
46		-Zadání: predikční modely (HFT, 15s dt, střednědobý)
47		-
48	48	* - learning data
49	49	** vývoj ceny - timeseries relevantní frekvence (trades, 15s ohlc a třeba 1h(1d) ohlc)
50	50	** dopočítané/doplněné sloupce k timeseries (indikátory, calendar data a další time related data)