Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2016
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
Hay una serie de ideas sobre por qué esto podría ser útil:
1. Se pueden identificar predictores interdependientes:
1.1. Construir un modelo independiente con ellos y evaluar su poder predictivo
1.2. excluirlos de la muestra y evaluar su impacto en el resultado. si mejoran el resultado, considerar la creación de predictores similares
2. utilizar un predictor en lugar de un grupo de predictores:
1. esto igualará las posibilidades de tomarlo al azar al construir el modelo
2. Reducir el tiempo de entrenamiento reduciendo la dimensionalidad
Sí, me gustaría probar esto, pero no conozco la herramienta para crear un modelo de este tipo fuera de la caja.
Por cierto, hay un pensamiento aquí, ¿por qué no utilizan funciones rotas (por así decirlo con la cuantificación - en lugar de una línea de paso) en la formación, que permitiría a la precisión de los datos de retroceso y reducir el sobreentrenamiento.
Si los predictores son los precios, entonces de 3 a 5 barras a la izquierda y a la derecha están muy correlacionadas con la barra central, las excepciones son raras durante los picos bruscos de precios. Toma una de cada cinco o siete barras y consigue más o menos lo que quieres. O pasar a un marco temporal superior. O bien, descartar los predictores comprobando su correlación mutua. El fundador de este hilo también ha adelgazado las barras, consulta su blog.
Yo recomendaría borrar los datos de los rastros de la basura primero...
Imagina que tienes 10 atributos, 9 de ellos son atributos basura, los comprimes todos en un solo atributo.
lo mismo... al principio de la semana funciona bien, después del "pre-entrenamiento". Entonces empieza a llover. Lo he vuelto a rehacer, mañana lo pondré a prueba :D
Algunos robot de comercio puede ser calculado incorrectamente en el comerciante ... Después de la serie de actualizaciones que comienza a operar en la dirección equivocada
También estoy trabajando con redes recurrentes en la antorcha.
amarillo - inicio de las semanas, primeros 1-3 días
Interesante...
¿Alguien ha probado a utilizar "niveles redondos" como señales?
¿O como una forma de procesar los precios?
Puede marcar los precios con valores circulares, por ejemplo...
Es posible eliminar los valores que son iguales en una fila...
Es una buena compresión de la información, además de un filtrado... Quizá sea más fácil buscar patrones en un gráfico así para un modelo...
¿Alguien ha probado a utilizar "niveles redondos" como señales?
¿O como una forma de procesar los precios?
Puede marcar los precios con valores circulares, por ejemplo...
Es posible eliminar los valores que son iguales en una fila...
No es una mala compresión de la información, además del filtrado ... Tal vez sea más fácil buscar patrones en un gráfico de este tipo para un modelo ...
Tengo el Renco.
¿Alguien ha probado a utilizar "niveles redondos" como señales?
¿O como una forma de procesar los precios?
Puede marcar los precios con valores circulares, por ejemplo...
Es posible eliminar los valores que son iguales en una fila...
Es una buena compresión de la información, además de un filtrado ... Tal vez sea más fácil buscar patrones en un gráfico de este tipo para un modelo ...
Sí
rediseño duro ...
Porque no se puede enseñar, habrá solucionadores atascados en mínimos locales. En cuanto a las ideas, no se puede sacar nada, porque es una caja negra.
En cuanto a los atascos, tal vez debas cambiar la forma de corregir el error.
Pues para qué una caja negra, si sólo hay 2-3 capas, es bastante realista desenmascarar por coeficientes. Los coeficientes pequeños pueden ser eliminados, lo que reduce el número de entradas a la neurona.
Si los predictores son los precios, entonces 3-5 barras a la izquierda y a la derecha están muy correlacionadas con la barra central, las excepciones son raras durante los picos de precios. Toma una de cada cinco o siete barras y consigue más o menos lo que quieres. O pasar a un marco temporal superior. O bien, descartar los predictores comprobando su correlación mutua. El fundador de este hilo también adelgazó las barras, mira su blog.
Los predictores no son precios al desnudo: muchos puntos relativos que pueden ser similares...
No estoy seguro de que el cribado por correlación sea eficaz...
Empezaría por recomendarte que borres los datos de los rasgos basura...
Imagina que tienes 10 atributos, 9 de ellos son basura, los comprimes todos en un solo atributo ¿Y qué?
¿Y qué método de limpieza puede recomendar?