L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3016
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
Les arbres, en revanche, sont construits de manière indépendante, puis les réponses sont pesées dans les feuilles. Je n'ai pas travaillé avec une forêt, mais avec un seul arbre. Je n'ai jamais entendu parler d'une forêt sur la génétique.
Ah, d'accord, il n'y a pas lieu d'utiliser Forest alors.
Et quelle est la différence entre un arbre génétique et un arbre normal, quels sont les avantages ?
Vous avez une forêt, devez-vous repondérer le modèle après sa construction ? Ou prenez-vous simplement la valeur moyenne des feuilles activées ?
Lorsque je sélectionne une feuille, je tiens compte de la stabilité et de l'uniformité de la distribution des réponses au cours de l'histoire. Je crée des indicateurs bidimensionnels et je les évalue de manière globale. Ainsi, les feuilles sans réponse sont pour moi un événement extrêmement rare.
Il me semble que vous pourriez facilement sauvegarder des feuilles, en créant des milliers d'arbres, et ne travailler qu'avec elles.
Si la moyenne de tous les arbres est supérieure à celle requise, je l'utilise pour les calculs d'équilibre.
.
Comment mesurez-vous l'uniformité ? L'écart par rapport à une ligne droite entre le premier et le dernier point d'équilibre ? Et probablement le total doit-il être multiplié par l'équilibre ?
Oh, oui, cela ne sert à rien d'utiliser Forrest alors.
Quelle est la différence entre un arbre génétique et un arbre normal, quels sont les avantages ?
La différence réside dans le fait que l'on essaie d'utiliser non pas le meilleur prédicteur, mais différentes variantes du meilleur prédicteur. De cette manière, les divisions sont effectuées de manière séquentielle et le succès de l'évaluation se fait sur lafeuille, si j'ai bien compris l'algorithme. À partir de la génération réussie, les prédicteurs plus proches de la feuille sont coupés et la construction est recommencée. Je ne peux pas analyser l'algorithme lui-même en détail - je n'en suis pas l'auteur. Mais, selon l'idée, cette approche est meilleure que la randomisation en théorie.
Oui. Parfois, j'utilise un seul arbre pour la vitesse. Maintenant, j'utilise généralement plusieurs arbres.
Si la moyenne de tous les arbres > souhaitée, je l'utilise pour les calculs d'équilibre.
Comment mesurez-vous l'uniformité ? L'écart par rapport à une ligne droite entre le premier et le dernier point d'équilibre ? Et probablement le total doit-il être multiplié par l'équilibre ?
Si je me souviens bien, l'échantillon est divisé par années et un bilan est construit à partir d'indicateurs financiers, chaque bilan est évalué par différentes métriques, y compris le sujet que vous avez mentionné, il y a des critères de tolérance, et si toutes les sections (années dans mon cas) tout est bon, alors la feuille est acceptée dans la base de feuilles.
Si je me souviens bien, l'échantillon est divisé par années et un bilan est construit à partir d'indicateurs financiers, chaque bilan est évalué par différentes mesures, y compris le sujet que vous avez mentionné, il y a des critères d'admission, et si tout est bon pour toutes les parcelles (années dans mon cas), alors la feuille est acceptée dans la base de feuilles.
Qu'est-ce que cela a à voir avec une feuille individuelle ? Les exemples dans la feuille ne décrivent pas uniformément toute l'année, mais par exemple 2 exemples en janvier, 27 en février et 555 en décembre.
Si l'on prend comme base la ligne d'équilibre de toutes les feuilles, il est évident qu'en décembre, pour cette feuille, la croissance sera la plus importante et que l'écart par rapport à une ligne droite sera très important.
Si nous prenons la ligne d'équilibre de cette seule feuille comme base, l'uniformité peut être atteinte, mais la participation à l'uniformité globale est difficile à déterminer.
Quel est le rapport avec une feuille séparée ? Les exemples d'une feuille ne décrivent pas toute l'année de manière uniforme, mais par exemple 2 exemples en janvier, 27 en février et 555 en décembre.
Si nous prenons comme base la ligne d'équilibre de toutes les feuilles, il est évident qu'en décembre, pour cette feuille, la croissance sera la plus importante et que l'écart par rapport à la ligne droite sera très marqué.
Si nous prenons la ligne d'équilibre de cette seule feuille comme base, l'uniformité peut être atteinte, mais la participation de l'uniformité globale est difficile à déterminer.
Bien entendu, il s'agit d'intervalles, et plus ils sont petits, plus il y a de chances qu'il y ait très peu d'exemples. Il doit y avoir un certain équilibre raisonnable sur cette question, j'ai décidé à ce moment-là qu'une année serait optimale pour que la fiche montre son efficacité. Il est généralement normal que certains mois, il n'y ait aucun signal, en particulier si des prédicteurs décrivent les TF supérieures.
La combinaison des feuilles en ensembles est une tâche distincte.La sagesse populaire dit qu'on ne peut pas voir la forêt pour les arbres. Mais je me demande si l'on peut voir l'arbre en regardant à travers les feuilles... Je ne parle pas de la forêt.
Est-ce le seul algorithme que vous connaissez ? Ou est-ce le plus efficace ? Pourquoi faites-vous une fixation sur cet algorithme ?
C'est une réflexion passagère.
Je vous souhaite bonne chance.
La sagesse populaire dit qu'on ne peut pas voir la forêt pour les arbres. Je me demande si l'on peut voir un arbre en ramassant des feuilles. Je ne m'interroge pas sur la forêt.
Est-ce le seul algorithme que vous connaissez ? Ou est-ce le plus efficace ? Pourquoi faites-vous une fixation sur cet algorithme ?
C'est une pensée passagère.
Bonne chance
1) les règles peuvent être extraites des bois et les statistiques de chacun peuvent être calculées, ce qui n'est pas le cas pour les HC.
2) Les personnes en bois apprennent vite, les NS non.
Qui aurait cru que lorsqu'on connaît le contexte, on peut trader même sur des moyennes mobiles)))))
Les prix d'entrée et de sortie sont calculés par mashka et ohlc et rien d'autre, qui l'aurait cru ? certainement pas moi... mais tout vient avec l'expérience.
Le cerveau est le MO le plus fort (jusqu'à présent), ne l'oubliez pas.