L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1595
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
.....
nous pouvons attendre le retour encore
Il est possible d'attendre un retour, mais dans un TS réel, cela n'a aucun sens.
Formulez le TS et vous verrez que pour "attendre" vous devrez réserver une partie du capital telle que la rentabilité de la stratégie sur la section stationnaire sera misérable.
adf_test en R
Ce n'est pas ça, Dickey-Fuller ne fonctionne que pour les processus autorégressifs.
Ce n'est pas ça, Dickey-Fuller ne fonctionne que pour les processus autorégressifs.
c'est son problème de reconnaître le processus, nous ne lui donnons pas un cotyr, mais un synthétique, et pas tout à fait un synthétique
si adf_test donne 0.01, tu peux aller fumer du bambou, non ?
c'est son problème, pas le mien.
déterminer ce
vous n'avez pas besoin de trader les modes changeants, vous devez changer de stratégie quand ils changent. S'il s'agit d'un scalping, il y aura des centaines de transactions pour chacun. Le défi est de changer de stratégie à temps, c'est-à-dire d'identifier le changement de mode le plus tôt possible, voire de le prévoir.
si vous résolvez ce problème, le Graal est certainement dans votre pocheLe changement de mode est très discutable
J'ai déjà posé la question : comment considérer la stationnarité - une fenêtre qui se déplace ou une rangée qui s'allonge ?
mais supposons que cela n'a pas d'importance et que nous avons obtenu la "non-stationnarité" dans les deux cas.
personne n'a jamais réussi à créer un TS sur la non-stationnarité
une autre chose est que nous pouvons essayer de faire en sorte que la forêt (alors que nous sommes toujours stationnaires) détermine "entrer ou non", mais il me semble qu'elle va décrocher ou deviner...
on peut commuter le TC "à l'envers" quand on est à l'arrêt, mais il n'y a pas de statistiques fiables
bien que nous puissions appliquer une technique selon laquelle, si nous savons que nous allons revenir à zéro, nous pouvons inverser le tirage.
ce n'est pas facile, mais c'est possible... merci de nous avoir suggéré d'utiliser l'ancien billet
Si oui, bien sûr
Mais nous devons y réfléchir
Le changement de mode est une question très discutable.
J'ai déjà posé la question - comment considérer la stationnarité - comme une fenêtre qui se déplace ou une rangée qui s'allonge ? pas de réponses
mais supposons que cela n'a pas d'importance et que nous avons obtenu la "non-stationnarité" dans les deux cas.
personne n'a jamais réussi à créer un TS sur la non-stationnarité
une autre chose est que nous pouvons essayer de faire en sorte que la forêt (alors que nous sommes toujours stationnaires) détermine "entrer ou non", mais il me semble qu'elle va décrocher ou deviner...
on peut faire basculer le TC "en arrière" lorsqu'on est à l'arrêt, mais il n'y a pas de statistiques fiables
bien que nous puissions appliquer une technique selon laquelle, si nous savons que nous allons revenir à zéro, nous pouvons inverser le tirage.
ce n'est pas facile, mais c'est possible... merci de nous avoir suggéré d'utiliser l'ancien billet
si nous le pouvons, bien sûr.
mais nous devons y réfléchir.
Je préfère compter la stationnarité à partir d'un décalage incrémental significatif, comme dans le dernier article. Par exemple, le décalage ~24 pour les incréments horaires est robuste. Il n'y a donc aucune incertitude dans le choix de la fenêtre.
Forêt ou pas forêt, ici, par exemple, boost (tout est prêt) et ça marche jusqu'à ce qu'on change de mode. Lorsque l'incrément moyen se produit, le modèle s'effondre, ce qui est naturel. C'est incroyable le temps qu'il a fallu pour comprendre à quel point le biais de la moyenne (pas même la variance) affecte le tc. Abruti.
Ce qui manque a déjà été évoqué. Voici un exemple simple de regroupement des incréments (lire : définition des modes) et de test sur de nouvelles données (3 modes trouvés). J'en ai choisi un plus simple exprès, je n'ai pas encore expérimenté.
https://www.quantnews.com/k-means-clustering-creating-simple-trading-rule-smoother-returns/
C'est-à-dire qu'un modèle séparé est ajusté pour chaque cluster. Le cluster (mode) actuel est défini, les modèles sont commutés en conséquence.
Rien d'autre à penser, il faudra faire avec. K-means n'est pas la meilleure option, mais elle fera l'affaire en tant que test.
Si adf_test donne 0,01, vous pouvez aller fumer du bambou, n'est-ce pas ?
il rejette des cas très particuliers de non-stationnarité (autorégressif, type SB), et la non-stationnarité peut être beaucoup plus diverse.
Le fait est que, selon le théorème de Wold, tout processus stationnaire peut être considéré comme autorégressif, mais parmi les processus non stationnaires, il y a très peu d'autorégressifs.
il rejette des cas très particuliers de non-stationnarité (autorégressif, type SB), et la non-stationnarité peut être beaucoup plus diverse.
Le point est que, selon le théorème de Wold, tout processus stationnaire peut être considéré comme autorégressif, mais parmi les processus non stationnaires, il y a très peu d'autorégressifs.
Et alors ? Disons qu'il rejette
et quoi-2 ?
Et alors ? Disons qu'il le fait.
et quel 2 ?
Que voulez-vous dire par "supposez les rejets" ? Savez-vous seulement ce qu'est un test statistique, une hypothèse statistique ?
Que voulez-vous dire par "supposez des rejets" ? Savez-vous seulement ce qu'est un test statistique, une hypothèse statistique ?
Pouvez-vous répondre aux questions sans poser de contre-questions ?