Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3345
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
Was wollen Sie? Wir arbeiten fast mit dem Zufallsprinzip. Das ist nicht die Nachfrage nach Eiscreme in Abhängigkeit von der Temperatur, wie im ersten Buch über Kozul, das hier vor sechs Monaten geworfen wurde)))))
Wir müssen also versuchen, die Abhängigkeit dieses "Fast" von den Vorzeichen sorgfältig zu messen).
Vielen Dank, ein hochwertiger und interessanter Artikel mit umfangreicher Literatur.
Es scheint, dass sie die Art der Unsicherheit, die interessant ist, nicht berücksichtigen - die probabilistische Abhängigkeit des Outputs von den Attributen. Sie untersuchen zwei andere Arten von Unsicherheit - Unsicherheiten im Zusammenhang mit Ungenauigkeiten von Attributen und Parametern. Sie werden schön genannt - aleatorische und epistemische Unsicherheit). Wir sollten unsere Variante in Analogie dazu Zielunsicherheit nennen.)
Imho gibt es in unserem Fall prinzipiell keine "Messfehler" von Attributen, und die Unsicherheit von Modellparametern lässt sich nur schwer von unserer "Zielunsicherheit" trennen.
Mir schien, dass die Summe dieser Unsicherheiten die Zielunsicherheit ergeben sollte. Aber ich habe mich nicht wirklich damit befasst.
Der Ansatz ist in etwa derselbe wie bei kozula via meta lerners, aber hier schlagen wir auch eine Möglichkeit vor, ein Modell zu zerlegen und es als Ensemble von verkürzten Klassifikatoren zu verwenden, anstatt als Ensemble von mehreren Klassifikatoren, um schneller zu sein.
Ich verstehe nicht, woher die R-Quadrat-Schätzung kommt?
Ich hatte bisher den Eindruck, dass diese Schätzung bei Regressionen anwendbar ist, wenn alle Regressionskoeffizienten signifikant sind. Andernfalls existiert R-Quadrat nicht....
Ich verstehe nicht, woher der R-Quadratwert kommt?
Ich hatte bisher den Eindruck, dass diese Schätzung bei Regressionen anwendbar ist, wenn alle Regressionskoeffizienten signifikant sind. Andernfalls existiert R-Quadrat nicht....
Das ist nur etwas, das der Tester für schnelle Vergleiche verschiedener Bilanzkurven anzeigt.
Es ist nirgendwo sonst involviert.
Sie funktionieren alle 50/50.
Sie arbeiten alle 50/50.
Es scheint nur so...
Wenn man eine Figur im Skript bewertet und sich die Statistik der Zukunft ansieht, tendiert die Verteilung von oben/unten, sowohl nach der Anzahl der Kerzen als auch nach der Anzahl der Punkte, zu 50/50.
Das betrifft die Zahlen von Kerzen (das Verhältnis von HLC zueinander), und ich habe die zeitlosen nicht mitgezählt, weil sie für Statistiken von mindestens 1000 Zahlen zu wenig sind.
Wenn also im Jahr 2022 55% der Kerzen nach oben zeigen und der Durchschnittswert der Kerzen um 5-10% höher ist als im Jahr Sel, dann wird die Auszahlung im Jahr 2023 immer noch 50/50 sein, ohne irgendwelche Vorteile.
Wenn Sie eine Figur im Skript punkten und sich die Statistik des Futures ansehen, tendiert die Verteilung von oben/unten, sowohl nach der Anzahl der Kerzen als auch nach der Anzahl der Punkte, gegen 50/50.
Dies ist der Fall bei den Candlestick-Figuren (das Verhältnis von HLC zueinander), und ich habe die zeitlosen nicht mitgezählt, weil sie für Statistiken von mindestens 1000 Figuren zu wenig sind.
Wenn also im Jahr 2022 die Figur in 55% der Kerzen nach oben zeigt und der Durchschnittswert der Kerzen 5-10% höher ist als in Sel, dann wird im Jahr 2023 immer noch 50/50 abgearbeitet, ohne irgendwelche Privilegien.
Und wenn Sie einen angemessenen Stop und Take einbauen, wird es dann auch 50/50 sein?