L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2793
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
En première approximation, vous avez certainement raison - il faut une estimation finale, si l'on entend par estimation d'un modèle ses mesures de performance.
Mais il y a une nuance qui l'emporte sur toutes les autres.
L'évaluation d'un modèle en fonction de ses performances est une évaluation fondée sur des données historiques. Mais comment le modèle se comportera-t-il à l'avenir ?
Évaluez le test de l'évolution de la valeur.
Évaluer la marche en avant à l'aide d'un test.
Il s'agit d'une évaluation de l'ensemble du troupeau. Et les brebis médiocres sont éliminées pièce par pièce.
Il s'agit d'une évaluation de l'ensemble du troupeau. Et les brebis médiocres sont éliminées pièce par pièce.
À 500 barres, l'estimation n'est pas du tout une statistique, vous pouvez adapter n'importe quoi, selon la loi des grands nombres.
50 fics = 50 tests de fovard de valking avec des fics enlevées 1 à la fois. C'est long, mais le résultat sera obtenu par le modèle.
De cette façon, vous ne pouvez obtenir le résultat que dans le cas d'une indépendance totale des caractéristiques, ce qui n'est pas le cas.
À 500 barres, l'estimation n'est pas du tout une statistique, vous pouvez adapter n'importe quoi, selon la loi des grands nombres.
Il suffit d'évaluer la capacité de prédiction. Il est possible de sélectionner des fiches qui donnent à l'enseignant une erreur de prédiction jusqu'à 20% en utilisant la technologie de la fenêtre glissante.
Vous ne pouvez obtenir des résultats avec cette méthode que si vous disposez d'une indépendance totale des caractéristiques, ce qui n'est pas le cas.
Vous introduisez les mêmes données dans vos paquets. Vous n'obtenez rien non plus ?
Lors du prétraitement, j'élimine les puces corrélées. Sur 170, il en reste environ 50 si la corrélation n'est pas supérieure à 75 % ( !). Lorsque la corrélation n'est pas supérieure à 50 %, il reste quelques pièces. Mais je ne me suis pas fixé comme objectif de collecter des fiches NON corrélées.
Dans le prétraitement, j'élimine les caractéristiques corrélées. Sur 170, il en reste environ 50 si la corrélation n'est pas supérieure à 75 % ( !). Si la corrélation n'est pas supérieure à 50 %, il reste quelques éléments. Mais je ne me suis pas fixé comme objectif de collecter des fiches NON corrélées.
Ces 50 sont ceux que l'on peut vérifier avec le modèle.
Ils sont donc corrélés ! Le résultat dépend de l'ordre dans lequel les caractéristiques sont éliminées.