Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1004
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
Antes les compraba otro producto y no tenía problemas. Pero aquí ha comenzado.
¿Cómo evalúan los vendedores la situación? ¿Va todo según lo previsto?
Todo es legítimo: los "trick-or-treaters" están obligados a ser castigados. SIEMPRE.
Es más bien un problema de que cuando compras algo no sabes cómo funciona, pero te fías... La cuestión de la confianza básica es hola desde la infancia(una buena infancia) - opinión.
Por favor,
La fórmula para calcular el error se muestra en la cabecera de la tabla. Me explico utilizando el último ejemplo nnet: 204/(204+458) = 30,8%, es decir, el modelo produjo un total de 662 unidades, de las cuales 204 eran falsas.
Los resultados son prácticamente los mismos en 12 pares de divisas, es decir, el rendimiento del modelo es casi independiente del modelo y del par de divisas.
Este resultado se consigue gracias a un cuidadoso trabajo con predictores cuya capacidad de predicción cambia muy poco al ejecutar una ventana de 500 velas sobre un archivo de 5000 velas. Los cambios están dentro del 5%.
PS.
No puedo mostrar el probador todavía - atascado en la aplicación del probador a los archivos de más de 1000 barras.
¿Y qué tienes como objetivo? ¿Signo de ZZ?
Impulsado por el feroz deseo de revivir esta rama, y teniendo en cuenta que la previsión es posible exclusivamente y sólo en la RV estacionaria
(1. Kolmogorov A. N. Interpolación yextrapolacióndesecuenciasaleatoriasestacionarias
2.Wiener N.Extrapolación, interpolación y suavización de series temporales estacionarias)
pregunta:
De hecho, el valor CLOSE[i]-OPEN[i] no es más que la suma de los incrementos.
Una secuencia de estos valores debería, en el límite, tender a una distribución normal.
Pues bien, existe la opinión de que la secuencia de retornos (CERRAR[i]-ABRIR[i])-(CERRAR[i-1]-ABRIR[i-1]) es una serie estacionaria.
¿Alguien ha probado algo así en la entrada NS y cuáles fueron los resultados?
P.D. Max, Doc, Mishanya, Warlock, Alyosha... ¿A quién le estás lanzando este hilo? А?
1) No debería. Por ejemplo, puede tener muchas distribuciones marginales diferentes.
2) Lo más probable es que se equivoque. Ya te he dado el contraejemplo de vertex\done. La no estacionariedad "no es un error, sino un chip" que aparece como resultado de que los creadores de mercado se deshagan de los "excesos" del grueso de los operadores.
¿Qué tienes como objetivo? ¿El signo ZZ?
Incremento
ZZ puede ser un profesor de tendencia impresionante, pero no pude encontrar ningún predictor para este profesor - todos dan un error de alrededor del 50%Y Kolmogorov, en general, veo que prestó especial atención a B(k)=M[x(t)*x(t-to)]=M[(CIERRE[i]-Apertura[i])*(CIERRE[i-to]-Apertura[i-to])] y se negó a predecir nada si esta función no era del todo definitiva.
¿Tal vez tenga sentido poner ciertas condiciones al trabajo de la SN?
Por ejemplo, ¿saltar las piezas inestables de BP, explorar los segundos rendimientos o B(k), por ejemplo?
El modelo ARIMA tiene condiciones similares.
El modelo puede ser entrenado e incluso se pueden obtener beneficios de un gráfico, pero si no se cumplen ciertas condiciones y requisitos - este modelo no puede ser negociado de todos modos. La prueba de estacionariedad de Dickey-Fuller es lo que recuerdo.
En GARCH también se observa que la distribución de los retornos previstos es similar a la de los datos originales.
Creo que gran parte de lo que quieres hacer ya está implementado en este modelo.
En cuanto a neuronkey, no se puede meter una serie temporal, entrenarla hasta el máximo resultado y esperar a obtener beneficios. Esto conducirá a un "sobreajuste": la neurona simplemente almacena los datos existentes, y es incapaz de trabajar adecuadamente con los nuevos datos. Tenemos que ajustar sus parámetros de entrenamiento y a veces detener el entrenamiento y hacer validaciones cruzadas para asegurarnos de que el sobreajuste no ha llegado todavía.
Si todo se hace correctamente, el entrenamiento se detendrá lo suficientemente pronto cuando R2 sea un poco más alto que cero. El gráfico de la renta variable mostrará un beneficio estable tanto en los datos de formación como en los nuevos, pero el diferencial que supere un par de puntos hará que todo sea negativo. Para obtener una mayor precisión se deberían utilizar redes profundas y semanas para el entrenamiento o elegir por uno mismo varios indicadores que deberían ser sometidos a la neurona junto con una serie temporal.
Y Kolmogorov, en general, veo que prestó especial atención a B(k)=M[x(t)*x(t-to)]=M[(CIERRE[i]-Apertura[i])*(CIERRE[i-to]-Apertura[i-to])] y se negó a predecir nada si esta función no era del todo definitiva.
¿Tal vez tenga sentido poner ciertas condiciones al trabajo de la SN?
Por ejemplo, ¿saltar los trozos inestables de BP explorando los segundos rendimientos o B(k), por ejemplo?
No, no funciona.
Hay una cosa buena en el mercado para la ingeniería de la ficha: la interconexión de las fintechs. Puedes crear instrumentos similares pero ligeramente diferentes y observar las distribuciones entre ellos. Pero todo el mundo está cansado de extraer características de una BP :)
Aumentar
ZZ puede ser un gran maestro de tendencias, pero no pude encontrar ningún predictor para este maestro - todos dan un error de alrededor del 50%La ZZ es una herramienta complicada de apuntar, con ella hay que preparar la muestra de forma especial, para no engañarse.
La precisión "en torno al 50" es bastante normal, si usas datos esféricos, por encima del 53% puedes operar, y en general la precisión para esto es una métrica de mierda, puede ser fácilmente precisión ~50%+-1% y la correlación de los incrementos predichos con el mercado es >5% (0,05) y esto es enorme, no es un grial por supuesto, pero suficiente para operar en una cartera con otras estrategias. Utilice la correlación o R^2, o logloss si se acostumbra a la no linealidad
Y todo el mundo está ya harto de extraer características de una BP :)
Al fin y al cabo, se trata de dos flujos:
1. un flujo de acontecimientos - tiempo de aparición de una nueva cita (intervalos entre ellas)
2. la propia serie de precios en este flujo de acontecimientos.
Hoy o mañana trataré de demostrar (o refutar) que, cambiando arbitrariamente los tiempos de las lecturas de las cotizaciones, la función de autocorrelación, por ejemplo, se comporta de forma diferente en una misma ventana temporal de observación móvil.
¿A dónde quiero llegar con esto?
¡А! Lo que quiero decir es que el "adelgazamiento" de una corriente de eventos juega un gran papel. Tal vez - una clave. El hijo de Aleshenka no mentirá. Pero, mientras todo esté "en proceso"...
Aun así, se trata de dos corrientes, por así decirlo:
1. el flujo de eventos - la hora de aparición de una nueva cita (intervalos entre ellas)
2. la propia serie de precios en este flujo de acontecimientos.
Hoy o mañana trataré de demostrar (o refutar) que, cambiando arbitrariamente los tiempos de las lecturas de las cotizaciones, la función de autocorrelación, por ejemplo, se comporta de forma diferente en una misma ventana temporal de observación móvil.
¿A dónde quiero llegar con esto?
¡А! Lo que quiero decir es que el "adelgazamiento" de una corriente de eventos juega un gran papel. Tal vez - una clave. El hijo de Aleshenka no mentirá. Pero mientras todo está "en marcha"...
Así que ya ha admitido que ha estado filtrando durante años, luego se la jugó y ahora no le funciona
Si hubiera un patrón real en la transformación de BP, todavía estaría funcionando. Los cuentos de que los mercados son más eficientes ahora y "antes hacía cosas grandes" no funcionan.
En realidad no hay nadie más para desenmascarar, por mucho que se resista :) Así que Aleshenka es un mal proverbio, se necesita uno nuevo.