L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 3344
![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
Il s'agit probablement d'un filtre classique, si( Spred > 10 pt ){ne pas négocier ou majorer}. Ou pas en pips, spread moyen * 2 ou *3.... *10.
Nous avons besoin d'une bonne prévision probabiliste pour les séries, mais pas aussi ringarde qu'elle ne l'est aujourd'hui (régression du quantile, par exemple). Je ne l'ai pas vu dans l'article lui-même, mais la liste des publications semble le contenir.
Il y a quelque chose de Yandex
la facilité avec laquelle il est possible de drainer le TS sur les heures avec la pâte à tartiner
la facilité avec laquelle il est possible de drainer le TS sur les heures avec la pâte à tartiner
C'est à dire qu'avec un spread de 7pts, ce sera 50/50.
Et la variante rentable ne rapporte que 7 pts par trade en moyenne.
Sur les comptes ECN, le spread sur EURUSD est généralement de 0 à 5 (en moyenne 3) + ~4 pts pour la commission. C'est à dire que cette stratégie fonctionnera à 0 sur le vrai ECN.
Et les swaps sont maintenant -7.7 et +3.1 pts pour certains trades seront ajoutés pour chaque rollover.
Spread + swap devraient être pris en compte dans le markup. Peut-être que le modèle sera meilleur, parce qu'il ne considérera pas certains trades comme réussis pendant l'entraînement.
C'est-à-dire qu'avec un spread de 7 pts, ce sera 50/50.
Et la variante rentable ne rapporte que 7 pts par trade en moyenne.
Sur les comptes ECN, le spread sur l'EURUSD est généralement de 0 à 5 (moyenne à 3) + ~4 pts pour la commission. C'est à dire que cette stratégie fonctionnera à 0 sur le vrai ECN.
Et les swaps sont maintenant -7.7 et +3.1 pts pour certains trades seront ajoutés pour chaque rollover.
Spread + swap devraient être pris en compte dans le markup. Peut-être que le modèle sera meilleur, parce qu'il ne considérera pas certains trades comme réussis pendant l'entraînement.
Et comment le spread peut-il être pris en compte dans la majoration s'il est déduit de chaque transaction par la suite, quelle que soit la manière dont vous la majorez ?
et comment prendre en compte l'écart de marge s'il est déduit ultérieurement de chaque transaction, quelle que soit la manière dont vous la marquez.
La majoration doit donc être basée sur le résultat financier. Ouvrir/fermer la transaction et transférer le résultat dans la majoration. C'est la variante exacte.
Ou soustraire la pire variante, pour EURUSD sur ECN probablement 7-10pts, pour d'autres peut-être plus, en particulier pour les crosses. + swaps pour chaque jour.
Sur les comptes STD, c'est encore pire.
La majoration doit donc être basée sur le résultat financier. Ouvrir/fermer une transaction et transférer le résultat dans le markup. C'est la variante exacte.
Ou soustraire la pire variante, pour EURUSD sur ECN probablement 7-10pts, pour d'autres peut-être plus, en particulier pour les crosses. + swaps pour chaque jour.
Sur les comptes STD, c'est encore pire.
Je le transfère dans le markup, après l'entraînement, il est toujours mauvais pour le spread.
Que voulez-vous ? Nous travaillons presque avec le hasard. Ce n'est pas comme étudier la demande de glace en fonction de la température, comme dans le premier livre sur Kozul, qui a été lancé ici il y a six mois)))))
Que voulez-vous ? Nous travaillons presque au hasard. Ce n'est pas comme faire des recherches sur la demande de glace en fonction de la température, comme dans Kozul))).
Je veux zeekr 001.
Il y a quelque chose de Yandex
Merci, article intéressant et de qualité avec une littérature abondante.
Il semble qu'ils ne considèrent pas le type d'incertitude qui est intéressant - la dépendance probabiliste de la sortie sur les attributs. Ils étudient deux autres types d'incertitude - les incertitudes liées à l'imprécision des attributs et des paramètres. Nous devrions appeler notre variante "incertitude cible" par analogie).
Dans notre cas, les "erreurs de mesure" des attributs sont en principe absentes, et l'incertitude des paramètres du modèle est difficilement séparable de notre "incertitude cible".