L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2274
![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
J'ai peur que cela ne fonctionne même pas avec les maths) En gros, parce que les Tsosniks ont la non-stationnarité "pas le système" dont nous avons besoin)
Voici un bon article sur la non-stationnarité en audio:
Alors que la stationnarité peut être définie de manière rigoureuse, la non-stationnarité est un concept très large, car il existe une infinité de façons de s'écarter de la stationnarité.
Alors que la stationnarité peut être définie de manière rigoureuse, la non-stationnarité est un concept très large, car il existe une infinité de façons de s'écarter de la stationnarité.
Légèrement différent, les Tsosniks du problème ont un processus stationnaire très bruyant, nous savons exactement de quoi il s'agit et la tâche consiste à éliminer le bruit.
Dans notre cas, le modèle SB est plus approprié, avec une certaine dispersion de mouvements stationnaires bruyants de différentes forces et périodes, et il peut même y avoir une certaine répétition dans le temps, mais nous ne savons pas exactement ce qu'il faut rechercher.
C'est pourquoi il est nécessaire d'isoler d'une manière ou d'une autre ces périodes (avec un nombre d'erreurs suffisamment faible) et de ne même pas essayer de faire quelque chose à d'autres moments (tenter de construire une "théorie universelle des prix" suivie d'une "rupture de l'épine dorsale du Forex" est un chemin évident vers le néant).
Je suis d'accord, pourquoi casser quand on peut suivre le mouvement. L'essentiel est de garder l'équilibre)
Un peu différent, les Tsosniks ont un processus stationnaire très bruyant dans leur problème, ils savent exactement de quoi il s'agit et la tâche consiste à éliminer le bruit.
C'est leur théorie standard. Le bruit, d'ailleurs, est particulièrement voué à être stationnaire).
Je viens d'écrire sur leurs tentatives de s'éloigner de ces hypothèses standard.
Dans notre cas, le modèle SB est plus approprié avec une sorte de fouillis de différents en force, période bruyante mouvements stationnaires de la série et il ya même répétitif dans le temps, mais exactement ce qu'il faut chercher n'est pas connu.
Eh bien, oui, SB est "approximation zéro", et ensuite c'est une question de goût).
Le marché de plusieurs milliards de dollars est inondé de vendeurs de nuit et de revendeurs et vous dites... à travers des filtres d'une sorte de stationnaire, je ne suis pas fort. Nous n'avons pas besoin d'une machine à mouvement perpétuel, laissez-la changer, mais pas immédiatement.
https://github.com/balzer82/FFT-Python
Il y en a d'autres, mais je ne comprends pas ce qu'il a fait.
https://github.com/snazrul1/PyRevolution/blob/master/Puzzles/DSP_For_Stock_Prices.ipynb
Peut-être qu'il s'agit de filtres logiques ? Ils ont besoin de vendre, plus il y a de jolis mots, mieux c'est. Je surveille ce système depuis 2011 et j'ai de beaux rapports et backtests sur mon site. Heureusement, j'ai trouvé le code source. Mon testeur montre une chose et son rapport en montre une autre. J'ai commencé à me renseigner et, par miracle, ils n'avaient pas de transactions le jour où j'ai perdu de l'argent.
Le premier lien concerne la charge du réseau électrique, il est facile de trouver des cycles ici. En économétrie, on aime aussi montrer des exemples avec des cycles explicites.
Le second, je ne l'ai pas traité, mais la dernière image dit qu'ils ont utilisé Fourier pour isoler les cycles et les poursuivre dans le futur, la ligne orange est constituée des mêmes morceaux, ça ne marche pas. Voici un indicateur à ce sujet.
En ce qui concerne Fourier, la façon dont je le vois est la suivante . D'abord une certaine décomposition est faite, par exemple stl
puis les boucles sont recherchées à travers bpf
puis les boucles sont enveloppées de logique commerciale. (y compris le MO) Ça n'a pas l'air compliqué.
Transformation de Hilbert-Huang.
Ne fonctionne pas
Qui sait comment faire de la reconnaissance sans échelle ?
Comme dans cette vidéo par exemple...
Je sais que cela se fait par le biais de spectres (Fourier très probablement), je sais même comment le faire, mais il me semble que ce que je sais n'est pas le moyen le plus efficace...
Je m'intéresse donc à la manière dont l'absence d'échelle est pratiquée dans l'environnement scientifique/industriel, aux tâches auxquelles elle est appliquée, aux endroits où lire...
Qui sait comment faire de la reconnaissance sans échelle ?
Comme dans cette vidéo par exemple...
Je sais que cela se fait par le biais de spectres (Fourier très probablement), je sais même comment le faire, mais il me semble que ce que je sais n'est pas le moyen le plus efficace...
Je m'intéresse donc à la façon dont l'absence d'échelle est utilisée dans les environnements scientifiques et industriels, aux tâches pour lesquelles elle est appliquée, aux endroits où lire...
DTW peut-être ?
Un article sur les hubs à propos de l'utilisation de DTW dans la reconnaissance vocale.
Qui sait comment faire de la reconnaissance sans échelle ?
Comme dans cette vidéo par exemple...
Je sais que cela se fait par le biais de spectres (Fourier très probablement), je sais même comment le faire, mais il me semble que ce que je sais n'est pas le moyen le plus efficace...
Je m'intéresse donc à la manière dont l'absence d'échelle est utilisée dans les environnements scientifiques et industriels, aux tâches pour lesquelles elle est appliquée, aux endroits où lire...
Normalisation par grand glissement + corrélation
Normalisation par grand glissement + corrélation