Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 781
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
muy sobrepasado, vertiendo sobre el os
Voy a entrenar en un intervalo largo, entonces voy a mostrar OOS
También tengo que cambiar la descripción del entorno.
Entonces, ¿supongo que los periodos stockhásticos en sí no cambian, sino que hay un peso dentro, por el que se multiplican los atributos y luego se aplica la función de activación?
Entiendo que los periodos de los estocásticos en sí no cambian, sino que se toma el peso dentro, por el que luego se multiplican los signos y luego se activa la función de activación?
El objetivo de los estocásticos (3 RSI) se selecciona, es decir, no hay un conjunto determinado de etiquetas, sí
pero no se entrena a través del optimizador sino a través de un NS completo
Respetado, aconseja una forma de clasificar si se conocen los números de barra de las entradas, pero no se conocen los motivos.
Cuál es la forma de identificar los patrones. ¿Dividir en dos clases dónde entrar y dónde no entrar?
Dos vectores: uno para los largos y otro para los cortos
Donde entrar/estar en posición = 1 , en otras = 0
El mayor problema son los predictores. Deben haber algunos que sean relevantes para el objetivo.
Si no tenemos experiencia, entonces tomamos un traqueteo, 6 modelos, y lo más importante es que hay un ciclo completo: la preparación de los predictores, el modelo mismo y la evaluación de estos modelos. Si preparas un archivo en excel, puedes ver todos los resultados listados de una sola vez, sin entender nada en R.
Pero hay mucho material en este hilo
Buena suerte.
PS.
Me parece que tenemos mucha más gente en nuestro ejército.
los objetivos de los estocásticos (3 RSI) se enumeran, es decir, no hay un conjunto de etiquetas
no se entrena a través del optimizador, sino a través del NS completo
¿Qué es un objetivo, me gustaría saber?
Estoy tratando un poco con ARIMA. He entendido que hay tres pasos:
1.Identificación de un modelo de prueba.
2. Estimación de los parámetros y comprobación de la adecuación.
3. Predicción.
En el primer punto, quiero asegurarme de que la serie es estacionaria.
¿Qué son los objetivos, le gustaría saber?
El objetivo (etiqueta) es lo que se le da a la salida del NS durante el entrenamiento (es decir, el valor que se supone que debe dar)
y lo que se introduce en la entrada es un rasgo (una característica, un predictor)
¿Cuáles son los objetivos, lo sabría?
Llevo un tiempo trabajando con ARIMA. Tengo entendido que hay tres pasos que hay que seguir:
1.Identificación de un modelo de prueba.
2. Estimación de los parámetros y comprobación de la adecuación.
3. Predicción.
Respecto al primer punto: resulta que hay que asegurarse de que la serie es estacionaria, si no lo es, la serie de momentos.
Hay una función auto.arima que selecciona automáticamente los parámetros, y hay 3 (6), en lugar de uno.
Comprueban el residuo del modelo. Existen pruebas especiales para ello.
Dos vectores: uno para los largos y otro para los cortos
Donde entrar/estar en posición = 1 , en otras =0
El mayor problema son los predictores. Deben haber algunos que sean relevantes para el objetivo.
Si no tenemos experiencia, entonces tomamos un traqueteo, 6 modelos, y lo más importante es que hay un ciclo completo: la preparación de los predictores, el modelo mismo y la evaluación de estos modelos. Si preparas un archivo en excel, puedes ver todos los resultados listados de una sola vez, sin entender nada en R.
Pero hay mucho material en este hilo
Buena suerte.
PS.
Diré que tenemos mucha más gente en nuestro ejército.
Gracias. Además, si no es difícil donde leer sobre 6 modelos, preparación de predictores, el modelo y su evaluación. Intenté trabajar un poco en R, pero en años es difícil entender lo que pasa allí.
hay una función auto.arima que recoge automáticamente los parámetros, y son 3 (6), no uno.
Comprueban el residuo del modelo. Existen pruebas especiales para ello.
Sobre el primer punto he entendido que hay que asegurarse de que la serie es estacionaria, si no se descompone en momentos. Lo he comprobado con las pruebas ACF, CHAF y Dickey-Fuller.
El ACF se fabrica incluso en MQL.
Sobre el primer punto he entendido que hay que asegurarse de que la serie es estacionaria, si no se descompone en momentos. Para comprobar la ACF, la CCCF y la prueba de Dickey-Fuller.
El ACF se ha hecho incluso en MQL.
No tengo un montón de herramientas diferentes, te quedarás con todo tipo de cosas como ACF y un montón de otras cosas. En R sólo sabrás que no funciona, pero en µl no, porque te falta la herramienta.