Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2764

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
Wird die neue Vorhersagekraft der Prädiktoren nach dem Oversampling von Wert sein? Wer hat darüber nachgedacht?
Das tut er nicht. Geprüft.
Im Folgenden werden Mashka mit den Perioden 512-256-128-64-32-16-8-4-2-1 und ihre Wichtigkeit in den Input eingespeist (OUT ist hier auch ein Input).
Nur eine Kuriosität: Das neuronale Netz ermittelte die Bedeutung von Mashas mit einer kürzeren Periode als mit einer längeren Periode). Eine ziemliche Diskrepanz, ......
Wenn Sie dem neuronalen Netz etwas "Schweres" hinzufügen, das aber mit dem Instrument zusammenhängt, dann verzerrt es einerseits die Gleichgewichtslinie im Backtest nach dem Training. ABER: Es gleicht auch die Forward-Linie aus, sie geht nicht mehr jedes Mal nach unten, sondern wird flach. Das heißt, grob gesagt, wir werden kein Geld verdienen, aber wir werden auch nicht das ganze Depot verlieren, und das ist die erste Regel des Handels. Es stellt sich heraus, dass wir in diese Richtung jonglieren sollten, denn die nächste Aufgabe besteht darin, die Bilanzlinie nach oben zu drehen.
Ich weiß nicht, wovon Sie sprechen.
Ich benutze die Zeit nicht, sie ist in die Inkremente eingebaut.Beim letzten Mal war die Handelszeit spezifisch, ich erinnere mich nicht mehr an den Wochentag, aber definitiv an die Tageszeit, etwa von 17 bis 18 Uhr. D.h. manuelle Zeiteinteilung oder etwas anderes, aber Abschlusstraining auf eine bestimmte Zeitspanne.
Generell wird das Konstrukt Wenn die Inkremente so und so sind in so und so einem Zeitintervall verwendet, ohne in Zeitsegmente aufzuteilen oder zuerst Zeitsegmente zu finden, die etwas auf sich haben und dann darauf zu trainieren?
Zeitbasierte Zeichen werden nicht verwendet. Sie haben eine geringe Vorhersagekraft und sehr große Schwankungen in dieser Vorhersagekraft. Sie sind jedoch besser als die Mashka-Varianten.
Danke.
Letztes Mal war die Handelszeit spezifisch, ich erinnere mich nicht an die Tage der Woche. aber genau die Zeit des Tages, von 17 bis 18 wie. D.h. manuell oder anders, aber abschließendes Training auf einen bestimmten Zeitraum.
Generell wird das Konstrukt Wenn Inkremente so und so in so und so einem Zeitintervall sind verwendet, ohne in Zeitsegmente aufzusplitten oder erst Zeitsegmente zu finden, die etwas auf sich haben und dann darauf zu trainieren?
Kann ich einen Link haben? Ich weiß nicht, wovon wir sprechen.
Wird die neue Vorhersagekraft der Prädiktoren nach dem Oversampling von Wert sein? Wer hat darüber nachgedacht?
Es ändert sich nicht. Geprüft.
Wenn jemand nicht zwischen Kovariation und Korrelation unterscheidet, frage ich ihn auch nicht, was er mit Median meint
, aber "Vorhersagefähigkeit", verstanden als die Differenz zwischen den Medianen zweier Vektoren, die man erhält, wenn man den Prädiktor durch die Klassen teilt, ist absolut korrekt.
Der Beschreibung nach ist dies die "Linie" die bei ML nur ein Schwellenwert in einem beliebigen Klassifizierungsalgorithmus ist ....
Hätte er eine standardmäßige Intergruppen-Varianzanalyse durchgeführt, wäre er in der Lage gewesen, die statistische Signifikanz abzuschätzen, aber natürlich ändert das Oversampling für ihn nichts (es zählt nur der Prozentsatz der richtigen Schätzungen der Klassenzugehörigkeit)....
nach seinem Verweis auf das Bild der Kovarianzen kann ich eindeutig feststellen, dass er Fliegen mit Koteletts vergleicht... was seine Frage (er vergisst und erinnert sich an Korrelationen) sehr schlüpfrig macht.
1. Kennen Sie die Korrelationen zwischen tatsächlichen und nominalen Variablen?
Ich kenne OLS und ANOVA und die Interpretation der Signifikanz ihrer Schätzungen, und die Tatsache, dass Resampling nichts an Ihren "Fähigkeiten" ändert, kann nur darauf hinweisen, dass die "Wenn-dann"-Funktion für Sie ausreicht, um kein Modell zu erstellen (und sogar zu versuchen, die statistischen Grundlagen der Modellierung zu ignorieren) und nicht in der Lage zu sein, den Signifikanzkoeffizienten der Ergebnisse Ihrer KlasseDist zu schätzen, sondern nur den Prozentsatz der zuverlässigen Antworten, die von ihr gegeben....
== das gleiche Problem der ununterscheidbaren Fliegen und Koteletts in den Grundbegriffen mit dem Geschrei über "Werkzeuge", die ins Schwarze treffen oder nicht.... nun ja, mit einer Wahrscheinlichkeit von 30% (einige Werkzeuge sind immer noch leicht unterscheidbar) - vielleicht ist "nichts tun" mit 70% Wahrscheinlichkeit unterscheidbar ?
Der Algorithmus kann die Änderung der Koeffizienten_Werte während der Neuabtastung einfach nicht erfassen... per Definition
Kann ich einen Link bekommen? Ich kaufe es nicht. Wovon reden Sie?
Ich kann die Korrespondenz hier nicht finden, ich habe die Akte hier, Juli 2020.