Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2066
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich weiß nicht, wie ich das erklären soll :)
Ich habe diese Funktion
Die Suche nach Intraday-Mustern wird durch Intraday-Volatilitätsschwankungen erschwert. Wir müssen sie irgendwie loswerden. Mögliche Wege:
1) Neuanpassung der Inkremente zur Berücksichtigung der Intraday-Volatilität.
2) Wechsel zu einer neuen Intraday-Zeit, in der die Varianz gleichmäßig wächst.
3) Verwendung eines Zickzack-Musters. Die Werte der Knie sind nicht von Volatilitätsschwankungen abhängig. Die Zeitspitzen hängen natürlich von der Volatilität ab (sie sind häufiger, wenn die Volatilität hoch ist), aber beim Übergang zu einem einheitlichen Zeitpunkt verschwinden diese Cluster.
Was ist eine Prä-Analyse? Sie geben Modelle ein und vergleichen - mit und ohne diese Funktion.
Datenanalyse mit Hilfe einer Matstat und im engeren Sinne, um nützliche Unterschiede zwischen Preis und SB zu finden. Der Hauptunterschied zu MO besteht darin, dass die Modelle explizit und mit einer kleinen Anzahl von Parametern formuliert werden.
Versuchen Sie XOR
Ich werde andere ausprobieren, vielleicht später. Im Allgemeinen denke ich, dass wir eine Clusterbildung vornehmen und von ähnlichen Clustern jeweils einen Strang ziehen sollten, da sonst die Qualität des Lernens ohnehin abnimmt.
Ist Punkt 1 ausreichend? Oder ist auch 2 notwendig? Was ist das? Erklären Sie das.
Vielleicht ist es einfacher, dies anhand eines Anwendungsbeispiels zu erklären.
Punkt 1) ist ein Test der Hypothese der Persistenz-Antipersistenz-Tagesschwankungen. Es ist eine Überprüfung der Tendenz des Preises, sich fortzusetzen oder umgekehrt - seine Richtung je nach Tageszeit zu ändern. Dazu müssen Sie die Korrelation kennen.
Punkte 2) und 3) - Prüfung der Hypothese, dass Kursumkehrungen "stündlich" passieren und es besser ist, sie zum "richtigen" Zeitpunkt zu tätigen.
Punkt 3) - Suche nach den flachen (trendigen) Momenten der Tageszeit durch Untersuchung der empirischen Verteilung der Zickzacklängen.
Vielleicht ist es einfacher, dies anhand eines Anwendungsbeispiels zu erklären.
Punkt 1) - Prüfung der Hypothese der Persistenz-Antipersistenz-Tagesschwankungen. Es handelt sich um eine Überprüfung der Neigung des Preises, sich fortzusetzen oder umgekehrt - seine Richtung je nach Tageszeit zu ändern. Dazu müssen Sie die Korrelation kennen.
Punkte 2) und 3) - Prüfung der Hypothese, dass Kursumkehrungen "stündlich" passieren und es besser ist, sie zum "richtigen" Zeitpunkt zu tätigen.
Punkt 3) - Suche nach den flachen (Trend-)Momenten der Tageszeit durch Untersuchung der empirischen Verteilung der Zickzacklängen.
In einigen Monaten wird nur auf den Tag des Monats oder auch auf den Wochentag verwiesen. Nach dem Code nur für die Zeit innerhalb des untersuchten Zeitraums.
Ich werde andere ausprobieren, vielleicht später. Im Allgemeinen denke ich, dass es notwendig ist, eine Clusterbildung vorzunehmen und jeweils eine Zeile aus ähnlichen Clustern herauszuziehen, da sonst die Qualität des Lernens ohnehin abnimmt.
Jedes Blatt des Baumes ist ein Cluster. Und zwar nicht nur in Bezug auf die Anzahl der Merkmale, sondern auch in Bezug auf die beste Trennung der Klassen
Dies ist richtig, aber wenn Sie diese Zeichenfolgen, die bereits eine Menge in den Blättern zu entfernen, wird es ein wenig weniger (Klasse "0"), und die Qualität sollte nicht fallen, während die relative Indikatoren für "1" wird mehr sein, und damit das Modell in der Lage, für diese Optionen Blätter in der Suche, die zuvor statistisch nicht korrekt durchgeführt wurde, zu berücksichtigen.
Eine weitere Möglichkeit besteht darin, einzelne Blätter zu entfernen, die das Lernen behindern könnten.
In einigen Monaten bezieht sich der Hinweis nur auf den Tag des Monats oder auch auf den Wochentag. Nach dem Code nur die Zeit innerhalb des untersuchten Zeitraums.
Für Zeiträume, die länger als einen Tag sind, stellt sich das Problem, den Einfluss des Nachrichtenhintergrunds von der Periodizität zu trennen. Ich verstehe nicht wirklich, wie das Problem gelöst werden kann.
Für Zeiträume, die länger als einen Tag sind, stellt sich das Problem, den Einfluss des Nachrichtenhintergrunds von der Periodizität zu trennen. Ich sehe nicht wirklich, wie das Problem gelöst werden kann.
Ich verstehe das mit dem Tag, ich stimme zu. Die Frage bezieht sich auf den Tag der Woche. Die Zeit innerhalb des Mittelungszeitraums, Tage, ist zunächst nicht an den Wochentag gebunden. Sie können zunächst eine Bindung an den Wochentag vornehmen, um unter Berücksichtigung der Tageszeit eine innerwöchentliche Wiederholbarkeit festzustellen. Sie haben nur eine Verknüpfung mit der Uhrzeit des Tages im Monat.