Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2902
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
Para empezar, hay que tener alguna idea del mercado, tener algún modelo, de lo contrario las opciones son infinitas, es como pelearse con la sombra....
No se puede tocar a los prohibidos.
lo más repugnante es ofender a los niños, a las mujeres, a los ancianos. sobre todo a los prohibidos.
""¿alguna visión del mercado?"" - Es la misma historia en los gráficos :) La burla es inofensiva.
Todo el secreto de MDC reside en la escala en cuestión. El precio puede compararse con una muñeca matrioska. Puede verse en cualquier accesorio idénticamente similar. Las dimensiones cambian, pero todas las formas se conservan. Además, cada parte de una inversión es una parte de otra inversión (muñeca matrioska). Se trata de un único mecanismo de subida o bajada de precios. Cada TF tiene su propia tendencia, y la tendencia consta de ondas. La tendencia de la TF menor es una onda de la TF mayor, y así sucesivamente. Todo esto se puede formalizar fácilmente. MO no es algo malo aquí. Veo que aquí hay muchos ases en MO, pero no suficientes conocimientos sobre los mercados. Así que están pisando el terreno durante años, porque no saben desde qué lado acercarse a los mercados.
Pido disculpas si he ofendido a alguien con mis palabras.
Feliz Año Nuevo.
Mis mejores deseos para todos.
¿Qué sentido tenían esas palabras? Me refería al hecho de que el tipo se introduce en el contrato de futuros y, al menos una vez al día, se ajusta en relación con el Forex/spot al final de la negociación.
Todo el mundo tiene en cuenta el valor de una divisa a la hora de tomar decisiones de compra o venta, ya sea un turista o una gran empresa comercial.
¿Cuáles son exactamente los "nuevos" factores?
¿Qué "nuevos" problemas propone resolver?
Sin datos concretos, esto suena más a eslóganes de partido.
Lo nuevo en este caso es un zigzag y un canal a lo largo de él, vaya, toda una vanguardia del pensamiento ingenieril.
no puedes tocar lo prohibido.
Lo más repugnante es ofender a niños, mujeres, ancianos y, sobre todo, a los prohibidos.
Es como la última palabra y una hamburguesa).
Siempre hay que darse la oportunidad de justificarse.
Lo nuevo en este caso es un zigzag y un canal a lo largo del mismo, bueno eso es la vanguardia de la ingeniería.
Y para quien es nuevo - hace muchos años que utilizo tales predictores.
Aquí surge enseguida la cuestión del ajuste correcto de ZZ.
Y para quien esto sea nuevo, yo llevo años utilizando predictores de este tipo.
Esto plantea inmediatamente la cuestión de la configuración correcta de ZZ.
No me puedo imaginar para quién puede ser nuevo, pero aquí es una persona que por alguna razón lleva con cosas triviales como con un pedazo de papel y piensa que informa de algo muy valioso e inusual.
No puedo imaginar para quién puede ser nuevo, pero aquí hay una persona que por alguna razón lleva cosas triviales como con un pedazo de papel y piensa que informa de algo muy valioso e inusual.
Se pueden ver cosas nuevas en lo viejo, pero todo el mundo es capaz de ello).
Lo nuevo en este caso es un zigzag y un canal a lo largo del mismo, bueno eso es la vanguardia de la ingeniería.
Eso no es todo lo que se ve.
Es sólo el 5% de lo permitido)).
es como la última palabra y una hamburguesa).
siempre tienes que darte la oportunidad de justificarte.
¡Hola a todos!
Quizás alguien pueda darme algún consejo. Estoy tratando de predecir la dirección de un par de divisas para el día (arriba o abajo) utilizando el modelo "DecisionTreeClassifier".
Tomo sólo 5 predictores para la predicción, el resultado de la predicción es tendencia alcista (1) o bajista (-1). Tamaño del conjunto de datos: 999 filas y 6 columnas (conjunto de datos adjunto).
Pero he encontrado un problema cuando al aumentar "max_depth" aumenta todo el tiempo la precisión en las muestras de entrenamiento y de prueba simultáneamente. La precisión en la muestra de prueba deja de crecer y se convierte en una constante en max_depth=22, igual a 0.780000. Resultados con distintos valores de max_depth:
1) clf_20=DecisionTreeClassifier(criterion='entropy', max_depth=3)
Precisión en el conjunto de entrenamiento: 0,539424 Precisión en el conjunto de prueba: 0,565000
2) clf_20=Clasificador de árbol de decisión(criterion='entropy', max_depth=5)
Precisión en el conjunto de entrenamiento: 0,579474 Precisión en el conjunto de prueba: 0,585000
3) clf_20=Clasificador de árbol de decisión(criterion='entropy', max_depth=7)
Precisión en el conjunto de entrenamiento: 0,637046 Precisión en el conjunto de prueba: 0,640000
4) clf_20=Clasificador de árbol de decisión(criterion='entropy', max_depth=9)
Precisión enel conjunto de entrenamiento: 0,66 7084 Precisión en el conjunto de prueba: 0,700000
5) clf_20=Clasificador de árbol de decisión(criterion='entropy', max_depth=11)
Precisión en el conjunto de entrenamiento: 0,700876 Precisión en el conjunto de prueba: 0,710000
6) clf_20=Clasificador de árbol de decisión(criterion='entropy', max_depth=13)
Precisión en el conjunto de entrenamiento: 0,720901 Precisión en el conjunto de prueba: 0,720000
7) clf_20=Clasificador de árbol de decisión(criterion='entropy', max_depth=15)
Precisión en el conjunto de entrenamiento: 0,734668 Precisión en el conjunto de prueba: 0,740000
8) clf_20=Clasificador de árbol de decisión(criterion='entropy', max_depth=17)
Precisión en el conjunto de entrenamiento: 0,747184 Precisión en el conjunto de prueba: 0,760000
9) clf_20=Clasificador de árbol de decisión(criterion='entropy', max_depth=19)
Precisión en el conjunto de entrenamiento: 0,755945 Precisión en el conjunto de prueba: 0,765000
10) clf_20=Clasificador de árbol de decisión(criterion='entropy', max_depth=22)
Precisión en el conjunto de entrenamiento: 0,760951 Precisión en el conjunto de prueba: 0,780000
Estoy muy confundido por esta situación, porque he oído que no se debe utilizar max_depth más de 3-4, porque el reentrenamiento es posible. Pero ¿el modelo se comporta así cuando reentrenamiento, se parece más a un modelo undertrained. .No entiendo en tal situación, lo que la profundidad del árbol de decisión para elegir o qué modelo, incluso y, en general, si vale la pena trabajar más en esta dirección, tal vez falta algo (pero, como, el conjunto de datos no es de 100 filas), si es posible añadir más predictores y cuántos más se puede añadir a tal tamaño del conjunto de datos (me gustaría añadir 2-5 piezas más).
El código es sencillo, también lo adjunto junto con el conjunto de datos: