L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2646
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
Curieusement, ce PRIM incorpore les mêmes idées que celles que j'essaie de concrétiser.
J'ai lu l'article, mais il y a quelques confusions :
1. Quel est le processus de quantification pour le partitionnement en frontières ? S'agit-il d'un partitionnement uniforme avec un certain pas ?
2. Les frontières sont claires - je le fais moi-même, mais elles ont un écrêtage supplémentaire sur l'image - le deuxième écrêtage est-il simplement une exclusion de l'échantillonnage ?
3) Si j'ai bien compris, ils considèrent, comme moi, chaque prédicteur séparément - en trouvant des "boîtes", mais je n'ai pas compris, d'après la description, comment ces différents prédicteurs sont combinés.
L'inconvénient de cette méthode est qu'elle évalue la stabilité des indicateurs par le biais d'un échantillonnage bootstrap(prélèvement aléatoire d'un pourcentage donné de l'échantillon sur l'ensemble de l'échantillon), ce qui ne permet pas de comprendre la dynamique de la stabilité des indicateurs, qui est à son tour importante pour la négociation, car le modèle peut exister au début de l'échantillon, mais disparaître complètement à la fin de celui-ci.
Avez-vous des améliorations à apporter à cette méthode ?
Si je comprends bien, il s'agit d'une modification de ce qui se fait habituellement lors de la construction d'un arbre de décision. À chaque étape, on recherche une variable et un morceau qui peut en être extrait - c'est ce qu'on appelle l'épluchage. Parmi toutes ces étapes possibles, ils choisissent celles qui construisent une "trajectoire optimale", c'est-à-dire la dépendance de la cible moyenne par rapport au nombre de points restants. La trajectoire est également utilisée pour déterminer le moment où l'algorithme s'arrête (lorsqu'il n'y a pas d'amélioration notable lorsque la boîte est réduite).
L'approche est intéressante avant tout parce qu'elle montre que les algorithmes de construction d'arbres peuvent et doivent être modifiés.
Si j'ai bien compris, il s'agit d'une modification de ce qui se fait habituellement lors de la construction d'un arbre de décision. À chaque étape, on recherche une variable et un morceau qui peut en être extrait - c'est ce qu'on appelle l'épluchage. Parmi toutes ces étapes possibles, ils choisissent celles qui construisent une "trajectoire optimale" - la dépendance de la cible moyenne par rapport au nombre de points restants. La trajectoire est également utilisée pour déterminer le moment où l'algorithme s'arrête (lorsqu'il n'y a pas d'amélioration notable lorsque la boîte est réduite).
L'approche est intéressante avant tout parce qu'elle montre que les algorithmes de construction d'arbres peuvent et doivent être modifiés.
Je vois un nettoyage des données, mais aucune mention de la méthode de construction de l'arbre, qui, disons-le, est modifiée. Vous supposez donc qu'après le nettoyage des données, l'arbre est simplement construit. Est-il construit en divisant les boîtes - par leurs limites ou en remplaçant ce qui n'est pas inclus dans la boîte par des zéros (ou une autre variable agrégeant de tels états) ?
2645 (deux mille six cent quarante-cinq ! !!) page. Les participants actifs ont toujours l'intention de se réunir pour commencer quelque chose afin de démontrer à l'avenir la possibilité de montrer quelque chose de différent du 50/50 qui n'est pas dans le testeur :-)
En fait, il y a beaucoup à faire, en termes de code - je n'ai tout simplement pas assez d'énergie pour toutes les idées, c'est pourquoi tout est lent.
Je vois un nettoyage des données, mais aucune mention d'un moyen de construire un arbre qui est, disons, modifié. Vous supposez donc qu'après le nettoyage des données, l'arbre est simplement construit. Est-il construit en divisant les boîtes - par leurs limites ou ce qui n'est pas inclus dans la boîte est remplacé par des zéros (ou une autre variable agrégeant de tels états) ?
Il me semble tout à fait normal qu'un algorithme simple ne fonctionne que sur une partie limitée de l'ensemble des prédicteurs.
Vous pourriez retirer pas à pas de l'échantillon ce qui tombe dans les "bonnes" cases et appliquer l'algorithme au reste. Essentiellement, cette méthode serait similaire à celle de l'écrêtage. On peut probablement procéder de la même manière qu'avec randomforest - prendre un grand ensemble de prédicteurs et, pour chaque sous-ensemble, trouver plusieurs cases.
Utiliser la méthode d'un écrivain qui est devenu écrivain parce qu'il ne pouvait pas trouver un livre intéressant pour lui et en a juste écrit un).
https://www.mql5.com/ru/blogs/post/746398
Vous ne pouvez pas accéder aux coulisses, seulement à ce que vous pouvez écrire ici.
wai !
Je vous comprends, vous avez une formation et une expérience particulières, contrairement aux "activistes"... (vous avez une formation économique et une expérience professionnelle dans les centres de divorce, n'est-ce pas ?)
mais combien de fois pourras-tu te moquer d'eux ?
wai !
Je vous comprends, vous avez une formation et une expérience particulières, contrairement aux "activistes" .... (vous avez une formation économique et une expérience professionnelle dans les centres de divorce ?)
mais combien de fois pourras-tu te moquer d'eux ?
Et pourquoi une telle agressivité ? Personne ne vous doit rien ici, les gens communiquent sur le sujet, peut-être écriront-ils 2000 pages de plus, c'est leur droit.