L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1610
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
Pourquoi ?
Plus le modèle est "riche", plus il est mauvais ?
En particulier si vous ne savez pas vous-même quelle combinaison de prédicteurs est la meilleure, ne serait-il pas juste d'introduire toutes les options possibles dans le modèle et de voir ensuite l'importance des prédicteurs du point de vue du modèle ?ça ne marche pas comme ça.
Désolé, je voulais dire niveaux de soutien et de résistance
Initialement, il n'y avait pas de tâche pour identifier les niveaux de soutien et de résistance, par conséquent ils ne sont pas inclus dans les données de formation formalisées. J'ai un système de signal simple basé sur des modèles (patterns).
J'ai une question théorique
Nous avons une fonction cible sur laquelle nous allons approximer le modèle
nous avons des prédicteurs, que ce soit 1000 pcs.
La question est donc la suivante : si nous avons beaucoup de prédicteurs, pouvons-nous les diviser en parties égales, disons 100, et former 10 modèles ?
Ensuite, les sorties de ces 10 modèles sont introduites dans le nouveau modèle comme prédicteurs. Sera-t-il l'équivalent d'un modèle entraîné initialement pour 1000 prédicteurs à la fois ?
Quelque chose me dit que ce n'est pas le cas, mais j'aimerais entendre mon opinion.
Le problème, c'est que vous ne savez pas quels prédicteurs sont les meilleurs pour s'influencer mutuellement. Vous devrez faire beaucoup de variantes différentes des ensembles, comme vous l'avez décidé à juste titre. Je fais quelque chose de similaire lorsque j'exclus les prédicteurs indigènes du modèle arborescent. Si les modèles existants sont eux-mêmes efficaces, leur fusion peut améliorer le résultat global - je le fais à nouveau avec les feuilles en les regroupant.
Bonjour, Max !
C'est bon de vous revoir... Avez-vous vu un sorcier quelque part ? Ennuyeux...
Bonjour, Max !
C'est bon de vous revoir... Avez-vous vu un sorcier quelque part ? Ennuyeux...
Hey, celui avec la longue barbe, dans la queue pour un repas gratuit ? Je crois l'avoir vu hier.
Hé, c'est le gars avec la longue barbe qui fait la queue pour un repas gratuit ? Je crois l'avoir vu hier.
:))) Que pensez-vous de la recherche de fxsaber, qui confirme le rôle dominant du temps sur le marché ? Poursuivez-vous vos recherches ? Pour moi, c'est un paradoxe - dans les tests, tout est génial, mais dans la pratique, cela semble être la même chose... J'y travaille encore.
:))) Que pensez-vous de la recherche de fxsaber, qui confirme la primauté du temps sur le marché ? Poursuivez-vous vos recherches ? J'ai un paradoxe jusqu'à présent - tout est bien dans les tests, mais dans la pratique ça ressemble à de la merde... Je suis toujours en train de le découvrir.
Je ne comprends pas, vous avez un lien ?
je n'ai encore rien faitJe ne suis pas, y a-t-il un lien ?
Je n'ai encore rien fait.Voici le premier que j'ai trouvé :
Forum sur le trading, les systèmes de trading automatisés et les tests de stratégies de trading
Quelques signes d'une bonne TS
fxsaber, 2020.03.05 13:02
Je tiens à préciser que nous sommes à la recherche d'un TS avec seulement les séries bid/ask/time_msc comme entrée. Il n'y a rien d'autre. Et cette TS est réglée par l'optimiseur.Il y avait aussi des messages similaires, mais - trop paresseux pour chercher...
Je n'ai encore rien fait.
Max, ne me fais pas peur en disant que tu as abandonné le forex... Ce serait extrêmement triste... Tout ne fait que commencer :))
J'ai une question théorique
Nous avons une fonction cible sur laquelle nous allons approximer le modèle
nous avons des prédicteurs, que ce soit 1000 pcs.
La question est donc la suivante : si nous avons beaucoup de prédicteurs, pouvons-nous les diviser en parties égales, disons 100, et former 10 modèles ?
Ensuite, les sorties de ces 10 modèles sont introduites dans le nouveau modèle comme prédicteurs. Sera-t-il l'équivalent d'un modèle entraîné initialement pour 1000 prédicteurs à la fois ?
Quelque chose me dit que non, mais j'aimerais entendre les opinions.
La raison pour laquelle nous devrions faire cela n'est pas très claire, les fetches sont sélectionnées sur la base de la fourniture au modèle d'un ensemble de données minimalement suffisant. Puisqu'il a été conçu à l'origine pour être minimal, comment pouvons-nous le diviser par la suite ?