Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1753

 
Maxim Dmitrievsky:

lokale Regressionen, Inkremente. Wählt selbständig Merkmale aus, lässt 10-15 von 250

ah, auch Uhrennummern via van hott
Wenn sie alle zusammen sind, werden sie weniger Trades haben, wenn sie getrennt sind, werden sie mehr haben, aber nicht so schön)))) auf einem Zeitrahmen? Ich weiß nicht, was das Ergebnis sein kann, wenn ich einen höheren Wert verwende? Oder ein Junior? Aber ich verstehe nicht, wie man die Zeichen erkennen kann. Aber etwas ist da))))
 
Maxim Dmitrievsky:

lokale Regressionen, Inkremente. Wählt selbständig Merkmale aus, lässt 10-15 von 250

ah, mehr Uhrennummern via van hot

Was sind lokale Regressionen? (Wald auf Regressionen?)

 
elibrarius:

die Regressionen sind lokal - was sind sie? (Wald auf Regressionen?)

lokale Trends
 
Maxim Dmitrievsky:

Kein Sneak Peek, fixes Los

Ökonometrie + Wald :)

Warum testen Sie durch die g. Ist es möglich, ein Modell in der Zukunft zu trainieren, um in der Gegenwart zu handeln?

Warum haben Sie nach der Prüfung einen Praktikanten? Das dürfen Sie nicht tun!

 
mytarmailS:

Ist es möglich, ein Modell in der Zukunft zu trainieren, um in der Gegenwart zu handeln?

Warum haben Sie nach der Prüfung einen Praktikanten? Das können Sie nicht tun!

Achten Sie nicht auf die kleinen Dinge.

 
Maxim Dmitrievsky:

Achten Sie nicht auf die kleinen Dinge.

Das ist keine Kleinigkeit, Max! Das habe ich mehr als einmal gemacht, das darf man nicht tun! Machen Sie es richtig und wir werden sehen.

 
mytarmailS:

Das ist keine Kleinigkeit, Max! Ich habe es mehr als einmal getan, mach es richtig und wir werden sehen.

Ich nehme das Gleiche, aber von links nach rechts.

Ich mag diese ts auf den Stäben nicht, nicht genug Trades

 
Maxim Dmitrievsky:

wird es dasselbe sein, aber von links nach rechts.

Das weißt du nicht! Erstens, und zweitens, warum machst du es überhaupt, wenn du es normal machen kannst, kannst du dich selbst ficken.

Mir ist das sogar schon passiert - ich habe das Ziel für alle Daten berechnet, dann in einen Test und einen Zug aufgeteilt und es stellte sich heraus, dass das Ziel mit dem Speicher war und sich sehr gut auf den Testdaten zeigte, und als ich es nur auf den Testdaten neu berechnete, stellte sich heraus, dass es sehr traurig war, und das ist im Allgemeinen ein impliziter, leichter Fall, und man macht bewusst Scheiße, die in der Realität nicht realisierbar ist

Maxim Dmitrievsky:

Ich mag diese ts nicht auf Bars, wenige Trades

Ich mag diese Candlestick-Geschäfte nicht, ich habe nicht viel davon und sie sind auch nicht realistisch, jeder Candlestick-Schluss ist ein Ergebnis der Zeit, die Daten müssen erst transformiert werden

 
mytarmailS:

Ich hatte auch so eine - ich habe das Ziel für alle Daten berechnet und sie dann in Test und Dreiecke aufgeteilt.

Ich habe es sogar auf diese Weise gemacht - ich habe das Ziel auf allen Daten berechnet, dann in Test- und Fachdaten aufgeteilt und es stellte sich heraus, dass das Ziel mit Speicher und sehr gut auf Testdaten durchgeführt wurde, aber als ich es nur auf Testdaten neu berechnete, stellte es sich als sehr traurig heraus, und das war ein impliziter, leichter Fall, während man absichtlich Dinge tut, die in der Realität nicht realisierbar sind

die Geschäfte sind wenige und die Realität hat wenig gemeinsam, jeder Candlestick-Schluss ist zeitabhängig, die Daten müssen zunächst in irgendeiner Weise transformiert werden

nicht nervös sein ))

Im mt5-Tester ist kein Peeping möglich

 
Maxim Dmitrievsky:

es wird dasselbe sein, aber von links nach rechts

Ich mag diese ts auf Bars nicht, nicht genug Trades.

Ich habe eine interessante Idee, eine Art nützliche Herausforderung.

Ich habe eine interessante Idee, eine nützliche Lösung.

Wie wäre es, wenn wir einen Datensatz (für alle gleich) mit Ziel und Preisen + verschiedenen nützlichen Indikatoren erstellen und hier posten, einen Test und einen Testlauf machen und "test2" für die vollständige OOS-Überprüfung des bereits trainierten Modells.

Die Leute laden Datensätze hoch und versuchen, die Qualität der Klassifizierung zu verbessern. Wenn etwas gut läuft, wird es als Chip/Indikator in den Datensatz aufgenommen.

Das Ergebnis:

1) Der Datensatz wird verbessert, die darin enthaltenen Merkmale werden verbessert.

2) Modelle verbessern

3) Das Verständnis für die Arbeit mit Funktionen und AMO entwickelt sich weiter.

4) Obwohl abgelegen, aber Teamarbeit

5) Vorteile für alle, alle werden sich endlich zusammentun, anstatt sich zu bekämpfen, und die Herausforderung ist ein Anreiz, besser zu sein als alle anderen.