Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 960
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
Nun, ich wusste nicht, dass das alles schon lange verwendet wird, während ich noch erfunden habe...
alles, was hier besprochen wird, ist schon seit einem halben Jahrhundert in Gebrauch.
jetzt werden nur noch fortgeschrittenere Modelle wie die Disziplinierung hinzugefügt
Beobachtung - es gibt keine einzige Idee, die ich mir ausgedacht habe und dann nicht fast genau dieselbe im Internet gefunden habe. (Zum Beispiel habe ich kürzlich ein Beispiel über Fuzzy-Logik und NS veröffentlicht. Zuerst kam ich mit einem und dann fand ich genau das gleiche 1 in 1, obwohl der Artikel ist ziemlich neu dort) Und es gibt nicht ein einziges MO-Modell, das nicht bereits auf dem Markt vor Ihnen versucht worden :) Meistens englischsprachige Ressourcen, natürlich... In Runet im Allgemeinen, völlige Verwirrung.
alles, was hier besprochen wird, seit einem halben Jahrhundert verwenden
jetzt werden nur noch fortgeschrittenere Modelle wie das Diplerning hinzugefügt
Beobachtung - es gibt keine einzige Idee, die ich mir ausgedacht habe und dann nicht fast genau dieselbe im Internet gefunden habe. (Zum Beispiel habe ich kürzlich ein Beispiel über Fuzzy-Logik und NS veröffentlicht. Ich habe mir zuerst einen ausgedacht und dann genau den gleichen 1 in 1 gefunden, obwohl der Artikel dort recht neu ist) Und es gibt kein einziges MO-Modell, das nicht schon vor dir auf dem Markt ausprobiert wurde :) Meistens englischsprachige Ressourcen, natürlich... in Runet im Allgemeinen völlige Verwirrung.
Langweilig :)
Langweilig :)
Ich weiß nicht, was ich als Nächstes tun soll, niemand hat eine Idee, ich bin zu faul zum Denken.
Es gibt ein Modell, Züge durchweg gut in verschiedenen Modifikationen, einige bei 100% und mehr von Zügen arbeiten auf der AOS, wie hier ... (4 Monate Ausbildung 10 Monate AOS) dann nichts
Ich sehe keinen Sinn darin, die Demos zu testen, weil bereits alles klar ist.
Ich weiß nicht, wann das System in der Zukunft zusammenbricht :D Ich habe irgendeine Art von Semigraal gemacht und jetzt sitze ich da und starre ins Leere, 50k sind schon angeboten worden
Ich muss wieder 500-seitige Bücher auf Englisch lesen...
Ich weiß nicht, was ich als Nächstes tun soll, mir ist noch nichts eingefallen, ich bin zu faul zum Nachdenken
Es gibt ein Modell, Züge konsequent gut in verschiedenen Modifikationen, einige bei 100% und mehr von Zügen arbeiten auf oos, wie hier... (4 Monate Ausbildung 10 Monate AOS) dann nichts
Ich sehe keinen Sinn darin, die Demos zu testen, weil bereits alles klar ist.
Ich weiß nicht, wann das System in der Zukunft zusammenbricht :D Ich habe irgendeine Art von Semigraal gemacht und jetzt sitze ich da und starre ins Leere, 50k sind schon angeboten worden
Lesen Sie wieder Bücher über 500 Seiten auf Englisch...
Vielleicht mit dem Tausch von Fetches beginnen?
Der Satz "Input-Müll ist Output-Müll" ist eine gültige, aber wichtige These, die es zu verstehen gilt und die eine grundlegende Untersuchung wert ist. Natürlich deckt sie nicht alle Möglichkeiten der Modellierung ab und berücksichtigt nicht die unendlich vielen Möglichkeiten, Eingangsdaten für die Forschung auszuwählen. Wir alle wissen, dass die Auswahl der Daten durch die Merkmale des zu untersuchenden Objekts oder die Art seines mathematischen Modells, sofern es bekannt ist, bestimmt wird. Andererseits sollten alle Daten auf einer bestimmten Abstraktionsebene im Verhältnis zu einer Reihe von "absoluten" Faktoren betrachtet werden, die das Marktverhalten bestimmen. Ohne diese Benchmarks können wir nur eine vergleichende Schätzung vornehmen, die rein lokal sein wird. Ich persönlich habe die Erfahrung gemacht, dass ein durchdachter Ansatz bei der Auswahl der Eingabedaten die Leistung der numerischen Modellierung verbessert.
Wie wäre es, wenn wir anfangen, Chips zu tauschen?
Ich habe nur Einstiegspreise, ich leide nicht an Chips :) die Hauptsache ist die Auswahl der Ziele
Der Satz "Input-Müll ist Output-Müll" ist eine gültige, aber wichtige These, die es zu verstehen gilt und die eine grundlegende Untersuchung wert ist. Natürlich deckt sie nicht alle Möglichkeiten der Modellierung ab und berücksichtigt nicht die unendlich vielen Möglichkeiten, Eingangsdaten für die Forschung auszuwählen. Wir alle wissen, dass die Auswahl der Daten durch die Merkmale des zu untersuchenden Objekts oder durch die Art seines mathematischen Modells, sofern es bekannt ist, bestimmt wird. Andererseits sollten alle Daten auf einer bestimmten Abstraktionsebene im Verhältnis zu einer Reihe von "absoluten" Faktoren betrachtet werden, die das Marktverhalten bestimmen. Ohne diese Benchmarks können wir nur eine vergleichende Schätzung vornehmen, die rein lokal sein wird. Ich persönlich habe die Erfahrung gemacht, dass ein durchdachter Ansatz bei der Auswahl der Eingabedaten die Leistung der numerischen Modellierung erhöht.
Ich denke, terver+MO, es gibt nicht viel anderes zur Auswahl. Es ist eine Art wissenschaftlich und geschmackvoll.
nicht so gut mit Terver, muss es noch lernen
Ich habe nur Input-Preise, ich leide nicht an Chips :) die Hauptsache ist die Auswahl der Ziele
Dann sollte das alles nur so lange funktionieren, wie sich die historischen Preise wiederholen...
Ich denke an terver+MO, es gibt nicht viel anderes zur Auswahl. Es ist eine Art wissenschaftlich und geschmackvoll.
Ich kenne mich mit Terver überhaupt nicht aus, ich werde es studieren müssen.
Ganz genau.
Ein gewisser Asaulenko tut genau das. Er versucht zwar, sich wie ein Hase zu winden, aber er ist Physiker, und ich habe Vertrauen in sein Modell.
Und es ist wie folgt - es wird geprüft, ob der Preis außerhalb des Vertrauenswahrscheinlichkeitsniveaus liegt, und der NS gibt zusätzlich die Erlaubnis/Ablehnung, den Handel einzugehen. Ich habe das Gleiche, nur verwende ich anstelle von NS den Asymmetriekoeffizienten von Pearson. Aber es ist besser. Ich möchte es auch so machen.