Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3344
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
lo fácil que es vaciar el ST en las horas con el spread
lo fácil que es vaciar el ST en las horas con el spread
Es decir, en spread=7pts será 50/50.
Y la variante rentable gana sólo 7 pts por operación en promedio.
En cuentas ECN spread en EURUSD 0-5 normalmente (promedio a 3) + ~4 pts por comisión. Es decir, esta estrategia funcionará a 0 en ECN real.
Y swaps son ahora -7.7 y +3.1 pts para algunos oficios se añadirán para cada rollover.
Spread + swap debe tenerse en cuenta en el margen de beneficio. Tal vez el modelo será mejor, ya que no tendrá en cuenta algunas operaciones con éxito durante el entrenamiento.
Es decir, en spread=7pts será 50/50.
Y la variante rentable gana sólo 7 pts por operación en promedio.
En cuentas ECN spread en EURUSD 0-5 generalmente (promedio a 3) + ~4 pts por comisión. Es decir, esta estrategia funcionará a 0 en ECN real.
Y swaps son ahora -7.7 y +3.1 pts para algunos oficios se añadirán para cada rollover.
Spread + swap debe tenerse en cuenta en el margen de beneficio. Tal vez el modelo será mejor, ya que no tendrá en cuenta algunas operaciones con éxito durante el entrenamiento.
¿Y cómo se puede tener en cuenta el diferencial en el margen si se deduce de cada transacción más tarde, no importa cómo se marque?
y cómo tener en cuenta el diferencial en el margen de beneficio si se deduce posteriormente de cada transacción, independientemente del margen de beneficio.
Por lo tanto, el margen de beneficio debe basarse en el resultado financiero. Abrir-cerrar transacción y transferir el resultado al markup. Esta es la variante exacta.
O restar la peor variante, para EURUSD en ECN probablemente 7-10pts, para otros quizás más, especialmente para cruces. + swaps para cada día.
En las cuentas STD es aún peor.
Por tanto, el margen de beneficio debe basarse en el resultado financiero. Abrir-cerrar una operación y transferir el resultado al margen de beneficio. Esta es la variante exacta.
O restar la peor variante, para EURUSD en ECN probablemente 7-10pts, para otros tal vez más, especialmente para los cruces. + swaps para cada día.
En las cuentas STD es aún peor.
Lo transfiero a markup, después del entrenamiento todavía se siente mal en el spread
¿Qué es lo que quieres? Casi estamos trabajando con el azar. No es como estudiar la demanda de helados en función de la temperatura, como en el primer libro de Kozul, que se lanzó aquí hace seis meses)))))
¿Qué queréis? Trabajamos casi al azar. No es como investigar la demanda de helados en función de la temperatura, como en Kozul))).
Quiero zeekr 001.
Hay algo de Yandex
Gracias, artículo de calidad e interesante con amplia bibliografía.
Parece que no consideran el tipo de incertidumbre que es interesante - la dependencia probabilística de la salida en los atributos. Estudian otros dos tipos de incertidumbre - incertidumbres relacionadas con inexactitudes de atributos y parámetros. Se llaman bellamente - incertidumbre aleatoria y epistémica) Deberíamos llamar a nuestra variante incertidumbre objetivo por analogía).
Imho, en nuestro caso "errores de medición" de los atributos están ausentes en principio, y la incertidumbre de los parámetros del modelo es poco separable de nuestra "incertidumbre objetivo".
¿Qué quieres? Casi estamos trabajando con la aleatorización. Esta no es la demanda de helados en función de la temperatura, como en el primer libro sobre Kozul, que fue lanzado aquí hace seis meses)))))
Así que tenemos que tratar de medir cuidadosamente la dependencia de este "Casi" de los signos).
Gracias, un artículo de calidad e interesante con amplia bibliografía.
Parece que no consideran el tipo de incertidumbre que es interesante - la dependencia probabilística de la salida en los atributos. Estudian otros dos tipos de incertidumbre - incertidumbres relacionadas con inexactitudes de atributos y parámetros. Las llaman bellamente - incertidumbre aleatoria y epistémica) Deberíamos llamar a nuestra variante incertidumbre objetivo por analogía).
Imho, en nuestro caso "errores de medición" de los atributos están ausentes en principio, y la incertidumbre de los parámetros del modelo es poco separable de nuestra "incertidumbre objetivo".
Me parece que la suma de estas incertidumbres debe dar la incertidumbre objetivo. Pero no lo he investigado a fondo.
El enfoque es más o menos el mismo que en kozula a través de meta lerners, pero aquí también proponemos una manera de desmontar un modelo y utilizarlo como un conjunto de clasificadores truncados, en lugar de un conjunto de varios clasificadores, para la velocidad.