L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2738
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 suis généralement d'avis que tout cela est inutile et que plus l'échantillon est grand, mieux c'est, mais je suis prêt à le tester et, pour ce faire, nous avons besoin d'un outil approprié. Un outil qui déterminera les zones optimales pour l'entraînement du modèle, même si c'est au début sur la base de l'historique, et ensuite nous verrons si nous pouvons le faire sans regarder vers l'avenir.
La discrétisation est un cas particulier de filtrage (compression de l'information). Si elle n'était pas utile, elle n'existerait pas du tout.... Considérer que c'est du bricolage, c'est être idiot, ce qui n'est pas surprenant.
Et où avez-vous vu du bruit dans les prix des cloisons et en quoi sont-ils pires que ceux de Mashka. Il n'y a pas d'effet. Random divisé par random
Les MA sont meilleurs à certains égards :
0. le prix de clôture hérite du bruit des ticks. Littéralement - qu'un tick ait été généré avant la fermeture de la barre ou non, que la minuterie ait cliqué quelque part. Plus ou moins trois points. C'est sur les marchés boursiers que les jours d'ouverture/fermeture sont les plus importants.
1. les MA sont déjà intégrales (oui - moyennes)
2. elles représentent le prix de manière tout à fait adéquate. (c'est pourquoi j'ai fait remarquer que les LWMA se décalent d'un peu plus d'1/3, d'un tiers c'est exactement le prix réel lissé sans bruit inutile). 3.
3. ils sont plus faciles à comparer et peuvent être normalisés.
---
Enfin, quel est l'objet de votre recherche ?
Il y a des soupçons que certaines personnes du forum, et plus encore le remplissage des sites avec des "Expert Advisors et signaux rentables" est le résultat de l'IA. En d'autres termes, les NN gagnent de l'argent sur le thème du near-trading.
Les réseaux neuronaux et les big data gagnent de l'argent sur l'analyse des tendances des réseaux sociaux. C'est pourquoi ils sont sponsorisés et donc quelque peu déséquilibrés ; mais cela dépasse nos capacités :-(
Merci pour votre réponse.
Si le sujet n'est pas animé au moins une fois par mois, il mourra et le forum deviendra ennuyeux
SSF n'a pas dit grand chose de nouveau, bien sûr l'objectif de trouver une corrélation entre les prédicteurs et les résultats est un objectif évident. La seule chose nouvelle que j'ai relevée est qu'il a trouvé environ 200 caractéristiques significatives sur l'ensemble de la formation, mais pour des données spécifiques, il n'utilise que 5 % d'entre elles.
J'en déduis qu'il existe des moyens de déterminer rapidement l'état/les propriétés d'une série afin de sélectionner des prédicteurs plus significatifs pour les données les plus récentes. La question du volume ou de la longueur se pose bien sûr pour une sélection appropriée. Mais apparemment, cela fonctionne même avec seulement 200 prédicteurs trouvés et sélectionnés sur l'ensemble de la formation.
Je vois les choses de la manière suivante. Une série a des propriétés qui sont stables dans certains indices, mais ces indices et leur nombre sont différents dans différentes sections. MO trouve différents états de durée suffisante de stabilité de la série, qui peuvent être décrits par différents modèles et par les paramètres de modèle correspondants - les prédicteurs. Le nombre total de prédicteurs est le nombre total de paramètres pour les différents modèles et, par conséquent, en définissant un modèle, on peut rapidement trouver des paramètres précédemment trouvés pour celui-ci.
Si l'on veut développer de manière intensive, il faut augmenter le nombre total de prédicteurs et le nombre de modèles.
Je suis d'accord avec SSF pour dire qu'aujourd'hui les données disponibles et acceptables pour le traitement sont les citations, la formalisation d'autres données est une science, bien que prometteuse.
Les AMM sont meilleures à certains égards :
0. le prix de clôture hérite du bruit des ticks. Littéralement - qu'un tick ait été généré avant la fermeture de la barre ou non, que la minuterie ait cliqué quelque part. Plus ou moins trois points. C'est à la bourse que les jours ont des ouvertures/fermetures significatives.
1. le MA est déjà intégral (oui - moyen)
2. elles représentent le prix de manière tout à fait adéquate. (c'est pourquoi j'ai fait remarquer que les LWMA se décalent d'un peu plus d'1/3, un tiers est exactement le prix réel lissé sans bruit inutile).
3. ils sont plus faciles à comparer et peuvent être normalisés.
---
Enfin, quel est votre objet d'étude ?
Je suis d'accord avec Max, les moyennes courtes et les données amincies sont les mêmes pour l'étude en termes de bruit et de signal utile dans notre cas discret.
L'objet d'étude est l'incrémentation, si je ne me trompe pas))))))
SSF n'a pas dit grand-chose de nouveau, bien sûr l'objectif de trouver une corrélation entre les prédicteurs et les résultats est un objectif évident.
NF et MD sont malades de l'idée de lier la cible à des caractéristiques, l'un depuis longtemps, l'autre depuis peu...
J'espère que personne ici ne croit en son génie, et que les croisements personnels ne sont que du vampirisme psychologique)))) Et si cela apporte un bénéfice psychologique à l'une ou l'autre des parties, cela a sa place))))))
La boîte à outils de chacun est à peu près la même, les données sont les mêmes, et les perceptions...
J'ai un petit marteau de forgeron, pas un gros marteau, et pas du tout un énorme gros marteau)))))))
Les outils sont tous à peu près les mêmes, les données sont toutes plus ou moins les mêmes, et les points de vue ...