L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1733
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
Tout fonctionne. Nous devons mettre en place des fenêtres de temps flottantes. Les nombres fixes sont considérés comme limités.
Eh bien, si les modèles de minutes sont "saupoudrés" de manière discontinue / inégale, alors je ne pense pas que cela vaille la peine d'être regroupé, il suffit de le laisser tel quel et de le tester.
Eh bien, si le motif est "saupoudré" de manière inégale/uniforme sur les minutes, je ne pense pas que cela vaille la peine de le regrouper, laissez-le tel quel pour le moment et testez-le.
généralement regroupées par plusieurs minutes d'affilée.
sont généralement regroupés pendant plusieurs minutes à la fois
faites-le à votre façon, mais faites-le à l'extérieur
veulent voir
Voici une question pour les connaisseurs de MoD : on sait que l'on peut apprendre au SN à reconnaître un objet à partir d'une image, mais l'objet doit être dans un état normal, assemblé, mais peut-on apprendre au SN à reconnaître des objets cassés, comme une voiture après un accident, une maison en cours de démolition ou des meubles après une tornade ? Un être humain peut le faire en une seule fois.
Peu importe que la maison soit cassée ou non, le réseau apprend ce qu'on lui apprend.
Qu'importe que la maison soit cassée ou non, le réseau apprend ce qu'on lui enseigne.
Exhaustif.))
Une maison est toujours brisée de différentes manières. Il y a une grande différence entre une maison entière et une maison brisée. Si une maison entière a quelques images christomatiques, une maison brisée peut ressembler à n'importe quoi. Et pourtant, une personne la reconnaît facilement.
L'homme peut facilement gérer l'entropie d'une image, mais la NS ?
J'ai montré quelque part (j'ai oublié où, parce que je n'ai pas fait de trading depuis plus d'un mois) que la distribution de probabilité des incréments de marché est le produit des distributions CB gaussienne et exponentielle (ou en général - erlangienne).
La distribution Erlang est responsable des intervalles de temps entre les tick quotes et le générateur de ces nombres ressemble à ceci
Ici, Lambda est l'intensité du flux d'événements (citations).
Si Lambda=const, le processus est stationnaire, mais l'intensité du flux du marché est différente à différents moments du temps, c'est-à-dire Lambda=f(t) qui détermine le processus non stationnaire en général.
Ainsi, afin de distinguer un processus stationnaire, il est nécessaire de considérer des sections séparées de la BP avec la même densité de flux comme un tout.
Par conséquent, les tentatives de décomposer la TA en heures dans une journée, puis de "coller" ces heures ensemble, ont clairement droit à la vie.
Exhaustif.))
Une maison est toujours brisée de différentes manières. Entre toute la maison...
Eh bien, oui, les chats sur la photo sont différents, mais le réseau les reconnaît et les distingue en quelque sorte des chiens...
Lisez quelque chose sur les principes de la reconnaissance des formes, les réseaux convolutifs, leur fonctionnement, etc. Vos questions sont très immatures, et quand vous les lirez, vous comprendrez leur stupidité.