L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1132
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
Et voici ce dont j'avais besoin pour algorithmer un plat
Les flots ne sont pas du tout basés sur le prix mais sur une fonction différente...
Le dessin des rectangles est implémenté ici de manière à ce que le signal soit valide dès le début du rectangle et non à la fin comme dans les exemples précédents.
Le graphique présente les niveaux de Pd et de Sp. nous achetons aux rouges, vendons aux verts
nous avons un arrêt, mais il ne s'agit que d'une coupe d'un délai synthétique
Le Bp et le SP sont des zones de surachat et de survente comme je le comprends.
J'utilise un réseau neuronal pour trouver les surachats et les surventes.Bon sang, discutons des systèmes normaux, hein ? avec des modèles objectifs.
prendre 2 instruments corrélés et construire un modèle
l'arbitrage ?
Ou une vapeur.
Où est le mode opératoire ?
Où est le MoD ?
http://sun.tsu.ru/mminfo/2016/Dombrovski/book/chapter-2/chapter-2.htm
Quelqu'un a-t-il utilisé le cv leave-one-out pour LR ? Remplace-t-il l'échantillonnage de validation séparé ? Je pense que Vizard est le seul à l'avoir utilisé :)
Il est préférable de considérer la validation croisée comme un moyen d'estimer la performance de généralisation des modèles générés par une procédure particulière, plutôt que du modèle lui-même. La validation croisée "leave-one-out" est essentiellement une estimation de la performance de généralisation d'un modèle entraîné sur n-1 échantillons de données, ce qui est généralement une estimation légèrement pessimiste de la performance d'un modèle entraîné sur n échantillons.
Plutôt que de choisir un modèle, il convient d'ajuster le modèle à toutes les données et d'utiliser LOOC-CV pour fournir une estimation légèrement conservatrice de la performance de ce modèle.
Notez cependant que LOOCV a une variance élevée (la valeur que vous obtiendrez varie beaucoup si vous utilisez un échantillon aléatoire différent de données), ce qui en fait souvent un mauvais choix d'estimateur pour l'évaluation des performances, même s'il est approximativement sans biais. Je l'utilise tout le temps pour la sélection de modèles, mais uniquement parce qu'il est bon marché (presque gratuit pour les modèles à noyau sur lesquels je travaille).
"Contre et pour". Un estimateur comme celui-ci serait utile pour accélérer la sélection des modèles.
Mise en ligne de la dernière version de la bibliothèque avec un cas de test
Le chemin est long jusqu'à la nouvelle année, et il y a des cadeaux comme ça !
l'arbitrage ?
ici
https://www.mql5.com/ru/forum/140716/page382
et en outre
juste une ligne de l'induke, que vous ne trouverez nulle part ailleurs.
juste une ligne de la dinde, que vous ne trouverez nulle part ailleurs.
et où est-il ?
Mise en ligne de la dernière version de la bibliothèque avec un cas de test
Très cool ! Merci. Des résultats impressionnants :)