Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2732
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
Nicht DU, sondern DU.
Ohne mich, sozialisiere dich mit deiner eigenen Art.
Wie viele von euch gibt es?
Du hast zu der Frage, die du stellst, nichts zu sagen:
1) sich etwas einfallen lassen, um darauf herumzuhacken
2) beleidigt sein
3) sich verpissen
ZUSAMMENFASSUNG: Wir sollten der Operation "Detrending" Aufmerksamkeit schenken. Einerseits gibt es keine Möglichkeit, darauf zu verzichten, andererseits sterben dort zu viele notwendige Informationen.
Einfach ausgedrückt ist ein Trend die Illusion eines Anfängers, der sich an der Geschichte bereichert hat: Er ist hier eingestiegen und hier ausgestiegen.
Diese Illusion kann wahrscheinlich durch den MOE unterstützt werden, wenn es möglich ist, einen Prädiktor für den "Trend"-Lehrer zu finden, und das Modell die benachbarten Werte der Vorzeichen berücksichtigt. Das scheint mir ein Märchen zu sein.
Realistischerweise gibt es Statistiken, die besagen, dass die Finanzmärkte NICHT stationär sind. Wir haben keine Wahl - wir werden nichtstationäre Zeitreihen modellieren. Ein Trend ist das erste und offensichtliche Zeichen für Nicht-Stationarität. Wir haben keine andere Wahl, wir müssen die Zeitreihe detrendieren. Da das Vorzeichen des nächsten Balkens vorhergesagt wird, nicht sein Wert, ist der Verlust an Informationen nicht fatal.
Vereinfacht gesagt, ist ein Trend die Illusion eines Anfängers, der sich an der Geschichte bereichert hat: Hier bin ich eingestiegen und hier bin ich ausgestiegen.
Diese Illusion kann wahrscheinlich durch den MOE unterstützt werden, wenn es möglich ist, einen Prädiktor für den "Trend"-Lehrer zu finden, und das Modell benachbarte Werte von Vorzeichen berücksichtigt. Das scheint mir ein Märchen zu sein.
Realistischerweise gibt es Statistiken, die besagen, dass die Finanzmärkte NICHT stationär sind. Wir haben keine Wahl - wir werden nicht-stationäre Zeitreihen modellieren. Ein Trend ist das erste und offensichtliche Zeichen für Nicht-Stationarität. Wir haben keine andere Wahl, wir müssen die Zeitreihe detrendieren. Da das Vorzeichen des nächsten Balkens vorhergesagt wird, nicht sein Wert, ist der Verlust an Informationen nicht fatal.
(Ich erinnere mich) Ich hoffe, man wird Sie nicht für den Link in CodeBase erschießen: https: //www.mql5.com/ru/code/36558.
kann bei der Vorhersage von Vorzeichen nützlich sein - sagen Sie nach Herzenslust voraus :-) der Indikator zeigt nur die "Schwarz/Weiß"-Vorzeichen an (und fasst sie zusammen).
Lesen Sie die Garch und erfinden Sie nichts.
Lesen Sie aussagekräftigere Texte als einige kurze Wörterbücher. Beginnen Sie mit dem Originalartikel von Robert Engle aus dem Jahr 1982.
In Ihrem Wörterbuch steht natürlich auch etwas über weißes Rauschen, das auch gaußförmig ist - es wird dort nur anders genannt (Innovationen).
Lesen Sie aussagekräftigere Texte als einige kurze Wörterbücher. Beginnen Sie mit dem Originalartikel von Robert Engle aus dem Jahr 1982.
In Ihrem Wörterbuch steht natürlich auch etwas über weißes Rauschen, das ebenfalls Gaußsches Rauschen ist - es wird dort nur anders genannt (Innovationen).
Es stellt sich heraus, dass Ihr Wissen nicht bei Null liegt.
Nehmen wir also ein Paket, z. B. rugarch, und diskutieren wir die Modellierung in seinen Begriffen, die alle Nuancen nicht-stationärer Reihen abdecken.
Es stellt sich heraus, dass Ihr Wissen nicht bei Null liegt.
Nehmen wir also ein Paket, z. B. rugarch, und diskutieren wir die Modellierung in seinen Begriffen, die alle Nuancen der nichtstationären Reihen abdecken.
Das Paket ist ziemlich gut, keine Frage. Aber im Moment interessiere ich mich für eine andere Art von Nicht-Stationarität, wie sie bei den Shiryaev-Zerlegungsproblemen auftritt. Man spricht oft von stückweiser Stationarität.
Das Paket ist ziemlich gut, kein Zweifel. Aber im Moment interessiere ich mich für eine andere Art von Nicht-Stationarität, wie sie bei Shiryaevs Zersetzungsproblemen auftritt. Man spricht oft von stückweiser Stationarität.
Jegliche Verschwendung von verfügbaren Mustern wird als Wissenschaft bezeichnet, die ein sehr zappeliges Gebilde ist.
Die Länge einer stückweisen Zeitreihe ist höchstwahrscheinlich auch eine nichtstationäre Reihe, man kann sich die ZZ ansehen. Wir bekommen die gleichen Probleme, nur von der Seite betrachtet.
Wer hat so etwas gepredigt?
https://cs.stanford.edu/people/karpathy/convnetjs/demo/rldemo.html
der so etwas gepredigt hat?
https://cs.stanford.edu/people/karpathy/convnetjs/demo/rldemo.html
Funktioniert es?
Demo über eine Kakerlake (ein Kreis mit Beinen und Augen), Regeln " wir fangen mit etwas einfacherem an: ein 2D-Agent, der 9 Augen hat, die in verschiedenen Winkeln nach vorne zeigen und jedes Auge nimmt 3 Werte entlang seiner Richtung wahr (bis zu einer bestimmten maximalen Sichtweite): Entfernung zu einer Wand, Entfernung zu einem grünen Ding oder Entfernung zu einem roten Ding. Der Agent navigiert, indem er eine von 5 Aktionen ausführt, die ihn in verschiedene Richtungen lenken. Die roten Dinge sind Äpfel und der Agent erhält eine Belohnung, wenn er sie isst. Die grünen Dinge sind Gift und der Agent erhält eine negative Belohnung für den Verzehr dieser Dinge. Das Training dauert mit den aktuellen Parametereinstellungen einige zehn Minuten."
Sie können auf "Lernen starten" klicken... und dann auf "Lernen stoppen"...
die Kakerlake soll rennen und rote Punkte bevorzugen und grüne Punkte meiden...
In der Realität: Nach dem Lernstopp folgt sie mehr oder weniger dem letzten Bewegungsmuster und unterscheidet nicht zwischen rot und grün. Oder ich habe eine ungewöhnlich dumme Kakerlake :-)