¿Sabes cómo hacer canales? - página 3
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
La regresión no lineal se refiere a los modelos de aprendizaje automático, el principal problema de los modelos es el sobreajuste, es decir, el sobreajuste a la porción actual del gráfico, como ya se ha escrito anteriormente. Este modelo se ajusta constantemente a los nuevos datos, por lo que en determinados momentos su eficacia tiende a cero. Para evitar que esto ocurra debemos utilizar la validación cruzada y las pruebas fuera de muestra. Cualquiera que haya estudiado más o menos el tema incluso sin correr en el probador entiende enseguida que este canal no funcionará con datos reales
La regresión no lineal se refiere a los modelos de aprendizaje automático, el principal problema de los modelos es el sobreajuste, es decir, el sobreajuste a la porción actual del gráfico, como ya se ha escrito anteriormente. Este modelo se ajusta constantemente a los nuevos datos, por lo que en determinados momentos su eficacia tiende a cero. Para evitar que esto ocurra debemos utilizar la validación cruzada y las pruebas fuera de muestra. Cualquiera que esté más o menos familiarizado con el tema, incluso sin correr en el probador, entiende de inmediato que este canal no funcionará con datos reales.
Las ecuaciones en diferencias polinómicas de orden N no tienen este inconveniente. Tarde o temprano probaré el canal en estas ecuaciones también.
Las ecuaciones en diferencia de los polinomios de orden N carecen de este inconveniente. Tarde o temprano comprobaré el canal de estas ecuaciones también.
¿qué son? ) de las ecuaciones de diferencia, y por qué se ven privadas?
¿qué son? ) de las ecuaciones de diferencia, y por qué se ven privadas?
La fórmula clásica de EMA, si se toma, es una ecuación en diferencia de primer grado, (pero de segundo orden - el orden específico está determinado por el número de puntos en los que se traza la línea siguiente, como una regla o un molde), el análogo completo de la palanca de Arquímedes. Interpolación. Utilizando el punto calculado anteriormente y el último valor del precio, el siguiente punto se construye adyacente al calculado y no se redibuja.
Para el polinomio de segundo orden, utilizando dos puntos calculados previamente y el último precio (tomo el punto abierto o la mediana de la penúltima barra), se dibuja un punto adyacente a los dos primeros y tampoco se redibuja. Y así sucesivamente. Si invertimos la fórmula, podemos extrapolar, es decir, utilizando tres puntos adyacentes calculados sobre la base del polinomio de segundo grado, construir el cuarto punto con la distancia dada de los tres primeros. Este punto no se redibuja también.
Si es necesario, puede activar el modo de visibilidad de las líneas de dibujo (es decir, el cálculo de todos los puntos vecinos hasta un punto determinado del bucle) y estas líneas de dibujo se redibujarán a partir de cada nuevo precio.
Ejemplos de fórmulas.
Las fórmulas con división (primera y tercera) son de interpolación (encontrar un punto dentro de un intervalo).
Las fórmulas sin división son extrapolación (encontrar un punto fuera del intervalo inicial).
Si no es estrictamente eso:
La fórmula clásica de EMA, si se toma, es una ecuación en diferencia de primer orden, (pero de segundo orden - el orden específico está determinado por el número de puntos en los que se traza la línea siguiente, como una regla o un molde), el análogo completo de la palanca de Arquímedes. Interpolación. Utilizando el punto calculado anteriormente y el último valor del precio, el siguiente punto se construye adyacente al calculado y no se redibuja.
Para el polinomio de segundo orden, utilizando dos puntos calculados previamente y el último precio (tomo el punto abierto o la mediana de la penúltima barra), se dibuja un punto adyacente a los dos primeros y tampoco se redibuja. Y así sucesivamente. Si invertimos la fórmula, podemos extrapolar, es decir, utilizando tres puntos adyacentes calculados sobre la base del polinomio de segundo grado, construir el cuarto punto con la distancia dada de los tres primeros. Este punto no se redibuja también.
Si es necesario, se puede habilitar el modo de visibilidad de las líneas de trazado y éstas se redibujarán a partir de cada nuevo precio.
Ejemplo de fórmulas.
Las fórmulas con división (la primera y la tercera) son de interpolación (encontrar un punto dentro de un intervalo).
Las fórmulas sin división son extrapolación (encontrar un punto fuera del intervalo inicial).
Es curioso, pero no estoy muy seguro de por qué esto debería predecir adecuadamente un mercado inestable, por ejemplo...
ahora leyendo este materialhttp://blog.datadive.net/selecting-good-features-part-iv-stability-selection-rfe-and-everything-side-by-side/
curioso, pero no estoy seguro de por qué debería predecir adecuadamente un mercado inestable, por ejemplo...
ahora leyendo este materialhttp://blog.datadive.net/selecting-good-features-part-iv-stability-selection-rfe-and-everything-side-by-side/
Estas ecuaciones tampoco prometen predecir el comercio, sólo construyen curvas de polinomios o sinusoides dadas en base a todo el historial.
En realidad, al igual que la regresión no promete predecir la oferta. :)
Estas ecuaciones no prometen predecir la puja, sólo construyen curvas de polinomios o sinusoides dadas a partir de todo el historial.
De hecho, la regresión tampoco promete predecir las ofertas. :)
Así que mi idea principal ahora es el muestreo automático de los rasgos más informativos (en el momento actual) a través de bosques aleatorios con un intervalo de tiempo especificado y un reentrenamiento automático... porque si tomas toda la historia entonces el modelo se vuelve demasiado duro, si tomas unos pocos entonces siempre se reentrena... y si varías la calidad y la cantidad de los rasgos a través de la importancia de las características y haces una validación cruzada, entonces hay una oportunidad de capturar periódicamente las regularidades necesarias
Pero es tan molesto que hace tiempo que me arrepiento de haberlo usado, pero ya no hay vuelta atrás :)
ahora mi idea principal es el automuestreo de los rasgos más informativos (en el momento actual) a través de bosques aleatorios con un cierto intervalo de tiempo y el reentrenamiento automático... porque si se toma toda la historia se obtiene un modelo demasiado grueso, si se toman pocos siempre se reentrena... y si se varía la calidad y la cantidad de rasgos a través de la importancia de las características y se hace una validación cruzada se tiene la oportunidad de captar periódicamente las regularidades necesarias
pero es un dolor de cabeza tan grande que hace tiempo que me arrepiento de haberlo usado, pero no hay vuelta atrás :)
Aquí ya estamos entrando en las redes neuronales, pero no verás ningún canal allí. :) Aunque pueden estar en el código.
Pero a una línea basada en la inercia o a una línea sinusoidal se le puede adjuntar un canal visual. )
Aquí ya hemos entrado en las redes neuronales, y ahí no se ven los canales. :) Aunque pueden estar en el código.
Pero es posible adjuntar un canal visual a una línea construida con inercia o una línea sinusoidal. )
Bueno por qué, construir curvas en los valores a las salidas de ns y se puede canalizar... pero no le veo mucho sentido a los canales ya que la mayoría de los diferentes tipos de señales para el TS se pierden y sólo se obtiene una estrategia para volver a la media
Bueno, por qué, para construir curvas basadas en los valores en las salidas de ns y canales es posible ... pero no veo mucho sentido en los canales, porque la mayoría de los diferentes tipos de señales para el TS se pierden y se obtiene sólo una estrategia para volver a la media
¡Saludos Maxim! Así es exactamente como resulta.