L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 781
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
lourdement chaussés, versant sur l'os
Je vais m'entraîner sur un long intervalle, puis je vais montrer OOS
Je dois également modifier la description de l'environnement.
J'en déduis donc que les périodes stockhastiques elles-mêmes ne changent pas, mais qu'il y a un poids à l'intérieur, par lequel les attributs sont multipliés et ensuite la fonction d'activation est appliquée ?
Je comprends que les périodes des stochastiques elles-mêmes ne changent pas, mais le poids est pris à l'intérieur, par lequel les signes sont ensuite multipliés et ensuite la fonction d'activation est activée ?
La cible pour les stochastiques (3 RSI) est sélectionnée, c'est-à-dire qu'il n'y a pas d'ensemble donné d'étiquettes, oui.
mais il n'est pas formé par l'optimiseur mais par une véritable NS.
Respecté, conseillez-nous sur une façon de classer si les numéros de barre des entrées sont connus, mais que les raisons ne le sont pas.
Quelle est la façon d'identifier les modèles. Diviser en deux classes où entrer et où ne pas entrer ?
Deux vecteurs : un pour les longs, un pour les courts.
Où entrer/être en position = 1, dans les autres = 0
Le plus gros problème est celui des prédicteurs. Il doit y en avoir qui sont pertinents pour la cible.
Si nous n'avons pas d'expérience, alors nous prenons du hochet, 6 modèles, et surtout il y a un cycle complet : préparation des prédicteurs, le modèle lui-même et l'évaluation de ces modèles. Si vous préparez un fichier dans Excel, vous pouvez voir tous les résultats listés en une seule fois, sans rien comprendre à R.
Mais il y a beaucoup de matière dans ce fil de discussion
Bonne chance.
PS.
J'en déduis que nous avons beaucoup plus de monde dans notre armée.
les objectifs pour les stochastiques (3 RSI) sont énumérés, c'est-à-dire qu'il n'y a pas d'ensemble d'étiquettes.
n'est pas formé par l'optimiseur, mais par le véritable NS
Je devrais savoir ce qu'est une cible.
Je m'occupe un peu de l'ARIMA. J'ai compris qu'il y a trois étapes :
1.identification d'un modèle d'essai.
2. l'estimation des paramètres et la vérification de leur adéquation.
3. Prédiction.
Pour le premier point, je veux m'assurer que la série est stationnaire, sinon je veux faire une série de moments.
Quelles sont les cibles, voulez-vous savoir ?
La cible (étiquette) est ce qui est transmis à la sortie du SN pendant la formation (c'est-à-dire la valeur qu'il est censé produire).
et ce qui est introduit dans l'entrée est un trait (une caractéristique, un prédicteur).
Quelles sont les cibles, le saurais-je ?
Je travaille avec ARIMA depuis un certain temps maintenant. Je comprends qu'il y a trois étapes à franchir :
1. identification d'un modèle de test.
2. l'estimation des paramètres et la vérification de leur adéquation.
3. Prédiction.
Concernant le premier point : il s'avère qu'il faut s'assurer que la série est stationnaire, sinon, la série des moments.
Il existe une fonction auto.arima qui sélectionne automatiquement les paramètres, et il y en a 3 (6), au lieu d'un seul.
Ils vérifient le résidu du modèle. Il existe des tests spéciaux pour cela.
Deux vecteurs : un pour les longs, un pour les courts.
Où entrer/être en position = 1 , dans les autres =0
Le plus gros problème est celui des prédicteurs. Il doit y en avoir qui sont pertinents pour la cible.
Si nous n'avons pas d'expérience, alors nous prenons du hochet, 6 modèles, et surtout il y a un cycle complet : préparation des prédicteurs, le modèle lui-même et l'évaluation de ces modèles. Si vous préparez un fichier dans excel, vous pouvez voir tous les résultats listés en une seule fois, sans rien comprendre à R.
Mais il y a beaucoup de matière dans ce fil de discussion
Bonne chance.
PS.
Je dirai que nous avons beaucoup plus de personnes dans notre armée.
Merci ! De même, s'il n'est pas difficile de savoir où lire sur 6 modèles, la préparation des prédicteurs, le modèle et son évaluation. J'ai essayé de travailler un peu en R, mais depuis des années, il est difficile de comprendre ce qui s'y passe.
il existe une fonction auto.arima qui récupère automatiquement les paramètres, et il y en a 3 (6), pas un.
Ils vérifient le résidu du modèle. Il existe des tests spéciaux à cet effet.
Sur le premier point, j'ai compris qu'il faut s'assurer que la série est stationnaire, sinon la décomposer en moments. Je l'ai vérifié avec les tests ACF, CHAF et Dickey-Fuller.
L'ACF est même fabriqué en MQL.
Sur le premier point, j'ai compris qu'il faut s'assurer que la série est stationnaire, sinon la décomposer en momentums. Pour vérifier l'ACF, le CCCF et le test de Dickey-Fuller.
L'ACF a même été réalisé en MQL.
Je n'ai pas beaucoup d'outils différents, vous serez coincé avec toutes sortes de bêtises comme ACF et beaucoup d'autres choses. Vous saurez simplement dans R que cela ne fonctionne pas, mais dans µl vous ne le saurez pas parce que vous n'avez pas l'outil.