L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1206
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
Pourquoi l'approximer ? Il est déjà divisé en 10 états par l'algorithme de Viterbi, comme un cluster par essence.
Je pense que le prix doit être approximé avant de faire des retours ou de ne pas faire de retours ?
Je ne peux pas dire si je dois le rapprocher ou non.
Au fait, si quelqu'un veut s'initier à "cmm", voici un article avec du code et des exemples en R.
http://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of-4/
D'ailleurs, les états SMM présentés dans l'article sont tout à fait interprétables.
Et il y a une dépendance...
J'ai entraîné le "SMM" (modèle de Markov caché) sur des rapatriés, je l'ai divisé en 10 états et je l'ai enseigné sans professeur, de sorte qu'il a divisé différentes distributions par lui-même.
les distributions des états.
Et ici, j'ai regroupé les rendements par état, c'est-à-dire que chaque ligne correspond à un état de marché distinct.
Certains états (1,4,6,8,9) ont trop peu d'observations, ils ne peuvent donc pas du tout être pris en compte.
Et maintenant, j'essaierai de régénérer la série, c'est-à-dire de faire une somme cumulative, si l'on trouve une certaine tendance dans certains des états - la régularité dans le sens
J'ai fait une synthèse cumulative.
Les États 5 et 7 ont une structure stable, 5 pour la baie et 7 pour le village.
Distributions et courbes très intéressantes. Il y a une asymétrie sur la quasi-totalité d'entre eux. Merci, je vais encore regarder et admirer.
D'ailleurs, les états SMM présentés dans l'article sont tout à fait interprétables.
Eh bien, personne ne discute, j'ai juste écrit à ce sujet à Maxim.
Personne ne discute, j'écrivais juste ça à Maxim.
Le Graal sera bientôt publié, il suffit d'attendre un peu... Vous pourrez envoyer des lettres de remerciement avec des distributions d'argent plus tard.
glouglouter :)
https://www.mql5.com/ru/articles/4777
le graal sera publié bientôt, attendez un peu... les lettres de remerciement avec les distributions d'argent seront envoyées plus tard
glouglouter :)
https://www.mql5.com/ru/articles/4777
Cool, on dirait un coup d'oeil dans un laboratoire de magie. La valeur de l'ordermagic ne fait que confirmer ce sentiment).
Cool, on a l'impression de pénétrer dans un laboratoire magique. La valeur de l'ordermagic ne fait que confirmer ce sentiment).
J'ai encore du matériel sur l'ACP, la reconstruction des prédicteurs et d'autres choses, je pense que je vais écrire un autre article plus tard, avant d'aller au MO Python.
Il y a plus de matériel sur l'ACP, les prédicteurs d'overclocking et d'autres choses, je pense que je vais écrire un article de plus plus tard, avant de passer à Python MO.
Oui, ça ne sera pas déplacé.
Merci pour cet article.
Vous avez finalement combiné "Monte Carlo" et RDF :))))
L'article semble être intéressant... Je vais voir s'il est efficace dans les tests en direct et quelles améliorations peuvent être apportées et je vous tiendrai au courant...
Si vous avez des préoccupations majeures à aborder dans cette version afin d'améliorer les résultats des tests avancés, vous pouvez me le faire savoir.
Au lieu d'un "échantillonnage aléatoire" avec shift_prob (probabilité décalée en code), je veux faire des échantillons à partir de différentes distributions, qui dépendent des états actuels du marché... vous pouvez penser à
vous pouvez essayer différentes distributions pour cela
Intéressé ici, il est tombé sur
Principes fondamentaux de l'analyse bayésienne des données en R!