Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3102
![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Promediar, restar y dividir :)
En general, como yo lo entiendo, usted propone cambiar el objetivo en la sección donde la señal es "malo"?
Eso es lo que dijo Alexei Nikolaev.
¿Las desviaciones de cb harán qué? Si se trata de otro proceso estocástico, también es aleatorio. La aleatoriedad no termina en el SB, sólo comienza.
Pues probablemente una búsqueda de ineficiencias del mercado.
Me refería a si existe tal enfoque en la ciencia oficial, pues ya he oído exactamente lo mismo sobre la comparación con el SB
Me preguntaba si hay técnicas establecidas.
He aquí un esquema.
a la izquierda un gráfico real del euro m5
a la derecha los ticks del SB (suma acumulada) convertidos a m5
Al menos sí, si se intenta igualar a través del modelo.
Esto puede mejorar los resultados en el entrenamiento, pero no en la aplicación, si el primer gráfico (con el objetivo cambiado) aparecerá más a menudo en el historial que el segundo. Pero, necesito igualar las dos parcelas para que el modelo las separe y cambie entre ellas, es decir, en teoría debería haber una característica categórica.
Esto puede mejorar los resultados en el entrenamiento, pero no en la aplicación, si el primer gráfico (con el objetivo modificado) aparece más a menudo en el historial que el segundo. Pero, necesito que los dos gráficos sean iguales, para que el modelo los separe y cambie entre ellos, es decir, en teoría debería haber una característica categórica.
Se pueden inventar muchas cosas sobre la marcha. Luego se añadirá algo más, y así ad infinitum.
Por supuesto, la perfección no tiene límites.
Por supuesto, ¡la perfección no tiene límites!
Me refería a si existe tal enfoque en la ciencia oficial, pues ya he oído exactamente lo mismo sobre la comparación con SB
Me pregunto si existen técnicas establecidas.
He aquí un esbozo.
a la izquierda hay un gráfico real del euro m5
a la derecha SB ticks (suma acumulada) convertida a m5
Visualmente los gráficos son similares)).
La heteroscedasticidad se modela en econometría y en todo tipo de estadística aplicada. Hay muchas pruebas. R debería tenerlas todas. El problema es que dan una estimación del pasado y no es seguro que sirva para el momento actual.
A la locura de los valientes :)
Aquí es donde se encuentra el desarrollo de toda la humanidad.
Si se comprenden las razones por las que un modelo no funciona, entrenado con métodos estándar, hay que buscar una solución al problema. Que no sea perfecta, pero que permita aplicar el modelo en el mercado con mayor confianza y probabilidad de éxito. Luego ya con los ingresos para seguir estudiando el problema y mejorarlo.
Si consideramos las neuronas, entonces quizás sería posible dividir la muestra en bachs y aumentar el número de bachs (áreas de cambio en la distribución de probabilidad) con el objetivo de que contribuyan por igual al proceso de aprendizaje. Con los árboles es más difícil, aunque CatBoost utiliza bachi similares en muestras grandes, pero no es posible controlarlos ni gestionarlos. Aunque había una tecnología para el aprendizaje continuo - no he experimentado con ella.... ¿Lo ha hecho?