L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2131
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
Je pense à la "recherche complète" de régularités, sans cible comme "ce qui va se passer à la prochaine bougie" et autres...
La recherche consiste à rechercher uniquement des régularités, l'objectif est de trouver une régularité, et non pas "ce qui sera sur la prochaine bougie", aussi les régularités peuvent être étirées dans le temps, par exemple si aujourd'hui était "événement 1" et puis "événement 2", et puis "événement 3" .... par exemple si aujourd'hui nous avons "l'événement 1" et ensuite " l'événement 3", alors demain à 14:05 ce sera une bougie montante ou quelque chose comme ça)))
J'ai une meilleure idée de ce à quoi cela devrait ressembler et de l'algorithme à appliquer, mais j'aurais probablement besoin d'une certaine puissance de calcul, que je n'ai pas (
A propos, une question : combien de répétitions d'un événement pour le considérer comme un modèle ?
Théoriquement, cela devrait être la même chose.
Tu t'es entraîné avec quoi, un catbust ?Le nombre d'options différentes en jours, heures et minutes est égal au nombre d'options en sinus et cosinus. Dans les deux cas, il y a 10080 valeurs différentes en 7 jours, qui changent une fois par minute.
S'il y a une quelconque randomisation dans la formation, cela peut être la raison de la différence.
Les expériences sont toujours plus importantes.
Regardez le premier prédicteur T1 (Den_Nedeli_S), ou plus exactement sa grille
T2
Et les jours de la semaine sans transformation horaire.
Comme vous le voyez, les grilles sont différentes et il y a des deltas différents entre les chiffres, bien que les paramètres de partitionnement soient les mêmes :
Ce qui signifie que vous pouvez faire correspondre le fractionnement plus précisément, ce qui peut aboutir à un ajustement ou à un meilleur résultat...
Je pense à la "recherche complète" de régularités, sans cible comme "ce qui va se passer à la prochaine bougie" et autres...
La recherche consiste à rechercher uniquement des régularités, l'objectif est de trouver une régularité, et non "ce qui sera sur la prochaine bougie", aussi les régularités peuvent être étirées dans le temps, par exemple si aujourd'hui était "événement 1" et ensuite "événement 2", et ensuite "événement 3"... par exemple si aujourd'hui nous avons "l'événement 1" et ensuite " l'événement 3", alors demain à 14:05 ce sera une bougie montante ou quelque chose comme ça)))
J'ai une meilleure idée de ce à quoi cela devrait ressembler, et de l'algorithme à appliquer, mais cela demanderait probablement beaucoup de puissance de calcul, que je n'ai pas (
Oh, je vais aussi faire quelque chose de similaire :))))
Soit dit en passant, une telle question, combien de répétitions d'un événement pour le considérer comme un modèle ?
J'utilise le critère - pas moins de 1% de l'ensemble de l'échantillon et c'est la "fréquence" de récurrence d'un événement avec le même résultat qui importe. Je ne sais pas comment mesurer la "fréquence".
Les expériences sont toujours plus importantes.
Regardez le premier prédicteur T1 (Den_Nedeli_S), ou plutôt sa grille
T2
Et les jours de la semaine sans conversion horaire
Comme vous le voyez, les grilles sont différentes et il y a des deltas différents entre les chiffres, bien que les paramètres de partitionnement soient les mêmes :
Ce qui signifie que vous pouvez faire correspondre la fente plus précisément, ce qui peut entraîner un ajustement ou un meilleur résultat...
OK. Sine+ cosine est meilleur non seulement pour les NS, mais aussi pour les arbres.
Bien. Sine+cosine est meilleur non seulement pour NS, mais aussi pour les arbres.
Je ne sauterais pas à cette conclusion - jusqu'à présent, nous pouvons dire que le résultat n'est pas identique.
la roue du temps
.
Je pense faire une "recherche complète" .....
Je mets juste l'heure, le jour de la semaine et la couleur de la bougie...
les données comme une seule semaine, quarante semaines en tout, et a cherché des modèles dans ceux-ci
Friday_18:20_dw signifie vendredi - 18:20 - bougie descendante
confiance - le pourcentage de réussite de la règle 1 est de 100%.
count - combien de ces règles ont été trouvées
cette règle
cela signifie que si le jeudi à 1h du matin il y avait une bougie montante, le vendredi à 18h20 elle sera descendante. 20 règles ont été trouvées, donc la règle a fonctionné 20 fois sur les 20 trouvées.
IDD...
J'utilise le critère d'au moins 1% de l'ensemble de l'échantillon et la "fréquence" d'un événement ayant le même résultat est importante. Je ne sais pas comment mesurer la "fréquence".
Les mêmes événements sont des événements ayant la même issue.
100% de l'échantillon / % de répétition. 1%, c'est de la fréquence, mais sans régularité. C'est là que ça se complique. Nous la divisons en périodes et voyons à quel point les événements sont réguliers. Vous pouvez simplement utiliser le minimum et le maximum d'une période et diviser min par max pour obtenir une régularité relative et vous pouvez utiliser la moyenne quadratique).
la roue du temps
vous pouvez ajouter plus de minutes harmoniques, et additionner les sinusoïdes, vous obtiendrez une courbe pour décrire les trois signes
Mais qu'en est-il des vacances et des week-ends, vous devez tenir compte de tout cela, à quoi cela sert-il ?J'ai essayé ma propre métrique , mais elle ne fonctionne que pour SL=TP, pour les autres ratios, il faut compter Hearst.