L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 369
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Au fait, j'ai vérifié la corrélation avec des périodes de 10 à 60 (6 pièces) sur le graphique EURUSD M1, vers la sortie (je n'ai pas de zigzag, mais quelque chose de proche).
-0.00,0.01,0.00,0.01,0.01,-0.01
La corrélation est comprise entre -0,01 et 0,01, c'est-à-dire qu'il n'y a pas de corrélation du tout.
Cependant, votre conseiller expert affiche un bénéfice. Vous devez placer manuellement des transactions en regardant la ligne de tendance et en établissant des règles basées sur les mouvements du graphique. Je pense qu'il est beaucoup plus facile d'écrire un conseiller expert ordinaire qui fonctionnera selon ces règles.
Eh bien, maintenant à la sortie alimentez les incréments de la même régression selon certaines règles, avec un décalage, ou plusieurs régressions (plusieurs sorties)... et la corrélation sera normale. Et entre plus de régressions avec des périodes différentes. MLP va construire un modèle de régression cool en son sein, comme garch, et tout ira bien :) Mais en général, vous avez besoin d'un réseau neuronal plus avancé, LSTM, par exemple.
le mien montre des bénéfices parce qu'il est exécuté par l'optimiseur, c'est des résultats sales :) vous pouvez dire que l'ajustement, qui ne fonctionnera pas très longtemps sur l'avant (bien périodes seront)
Après tout, sur le graphique, en dehors des points obtenus à partir du zigzag (ou d'une autre méthode), il existe des dizaines de moments/bars où les transactions seront rentables. Mais NS essaie de corriger le commerce en utilisant uniquement cette variante d'apprentissage.
Et l'exemple avec trendlinearreg le montre très bien.
Il me semble que trouver le bon balisage cible est encore plus problématique que de trouver de bonnes entrées.
Après tout, il y a des dizaines de points/bars sur le graphique, en plus des points obtenus par le zigzag (ou autre méthode), quand les trades seront rentables. Mais NS essaie de corriger le commerce en utilisant uniquement cette variante d'apprentissage.
On le voit clairement dans l'exemple de trendlinearreg.
Par conséquent, les SN doivent être utilisées comme une partie d'un système, d'un filtre ou d'un ensemble de SN différentes.
Toutes les MO sont basées sur le fait que les variables d'entrée doivent être en corrélation avec la variable de sortie.
Sinon, il n'y a aucun intérêt à utiliser TOUS les modèles de MO.
Vous vous trompez sérieusement. La corrélation est seulement LINEAIRE dépendance, y = kx, même un ensemble trivial de données XOR donnera une corrélation nulle des caractéristiques individuelles avec une cible, néanmoins pour un classificateur non linéaire facilement soluble.
Je l'ai lu trois fois - c'est difficile de comprendre ces déchets....
Et alors ?
Je peux prendre une régression multiple dans laquelle une ou plusieurs (partie des) variables d'entrée auront une corrélation avec la sortie proche de 0 et pourtant le modèle donnera une précision de prédiction élevée.
Et alors ?
Si vous supprimez ces variables, la dimensionnalité du problème diminuera, et la précision augmentera.
Et alors ?
Quel est le but de votre message ?
L'élimination des variables "inutiles" résout le problème de la réduction de la dimensionnalité du modèle.
Pour DM, cela augmente également la précision de la prédiction du modèle.
Pour NS concernant la précision, je ne sais pas.
Lisez ceci trois fois - comprenez ces déchets avec difficulté....
Et alors ?
Je peux prendre une régression multiple dans laquelle une ou plusieurs (partie des) variables d'entrée auront une corrélation avec la variable de sortie proche de 0 et pourtant le modèle donnera une précision de prédiction élevée.
Et alors ?
Si vous supprimez ces variables, la dimensionnalité du problème diminuera, et la précision augmentera.
Et alors ?
Quel est le but de votre message ?
chee, chee... oops ! pas question ...
Arrêtez de vérifier monsieur, nous ne sommes pas dans un sous-sol))).
Vous dites que les jetons doivent être corrélés avec la cible, ceux qui ne sont pas corrélés peuvent être jetés, je vous dis que ce n'est pas le cas, prenez XOR et vérifiez-le, pas de corrélation et les jetons seront importants car la relation n'est PAS linéaire, c'est tout, la corrélation ne capte que la composante linéaire de la relation.
Quoi, quoi... oops ! pas question ...
Arrêtez de vérifier monsieur, nous ne sommes pas dans un sous-sol))))
Vous avez dit que les puces doivent être en corrélation avec la cible, celles qui ne le sont pas peuvent être écartées, je vous dis que ce n'est pas vrai, prenez XOR et vérifiez, il n'y aura pas de corrélation et les puces sont importantes parce que la relation n'est PAS LINEAIRE, c'est tout, la corrélation ne capte que la composante linéaire de la relation.
Donnez-moi un exemple où la corrélation linéaire est nulle et où la dépendance non linéaire est forte.
Donnez-moi un exemple où la corrélation linéaire serait nulle et où la relation non linéaire serait forte.
J'ai dit l'ensemble de données XOR
J'ai dit l'ensemble de données XOR
Avez-vous un exemple ?
Afficher les rangées de données entrantes et les rangées de données sortantes - publier