L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2764
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
Après le suréchantillonnage, le nouveau pouvoir prédictif des prédicteurs sera-t-il utile ? Qui y a pensé ?
Ce n'est pas le cas. Vérifié.
Ci-dessous, les mashka avec des périodes 512-256-128-64-32-16-16-8-4-4-2-1 et leur importance sont introduites dans l'entrée (OUT ici est également une entrée).
Juste un fait curieux : le réseau neuronal a déterminé l'importance des mashas avec une période plus courte qu'avec une période plus longue.)) C'est une sorte d'écart, ......
D'après mes observations, si vous ajoutez au réseau neuronal quelque chose de "hache", de "lourd", mais lié à l'instrument, alors d'une part cela déforme la ligne d'équilibre sur le backtest après l'entraînement. MAIS, cela égalise également la ligne d'évolution, elle cesse d'aller vers le bas à chaque fois et devient plate. C'est-à-dire qu'en gros, on ne gagnera pas d'argent, mais on ne perdra pas tout le dépôt, et c'est la première règle du trading. Il s'avère que nous devrions jongler dans cette direction, car la prochaine tâche consiste à tourner la ligne d'équilibre vers le haut.
Je ne vois pas de quoi vous parlez.
Je n'utilise pas l'heure, elle est intégrée dans les incréments.La dernière fois, le temps de négociation était spécifique, je ne me souviens pas du jour de la semaine, mais certainement de l'heure de la journée, de 17 à 18 par exemple. En d'autres termes, il s'agissait d'une répartition manuelle des heures ou d'autre chose, mais d'une formation finale sur une période de temps spécifique.
En général, la construction Si les incréments sont tels et tels dans tel intervalle de temps est utilisée sans diviser en segments de temps ou d'abord trouver des segments de temps qui ont quelque chose sur eux et ensuite s'entraîner sur eux ?
Les signes temporels ne sont pas utilisés. Ils ont un faible pouvoir prédictif et des variations très importantes de ce pouvoir prédictif. Ils sont toutefois meilleurs que les variantes de mashka.
Merci.
La dernière fois, l'heure de trading était spécifique, je ne me souviens pas des jours de la semaine, mais exactement l'heure de la journée, de 17 à 18 comme. C'est à dire manuel ou autre, mais formation finale sur une période précise.
En général, la construction Si les incréments sont tels dans tel intervalle de temps est utilisée sans fractionnement en segments de temps ou d'abord trouver des segments de temps qui ont quelque chose sur eux et ensuite s'entraîner sur eux ?
Je ne sais pas de quoi on parle.
Après le suréchantillonnage, le nouveau pouvoir prédictif des prédicteurs sera-t-il utile ? Qui a réfléchi à cette question ?
Il n'y a pas de changement. Vérifié.
Si une personne ne fait pas la distinction entre covariation et corrélation, je ne lui demande même pas ce qu'elle entend par "médiane".
, mais la "capacité de prédiction", comprise comme la différence entre les médianes de deux vecteurs obtenus en divisant le prédicteur par les classes, est tout à fait exacte.
Par description, il s'agit de la "ligne" qui, en ML, n'est qu'un seuil dans tout algorithme de classification ....
s'il avait effectué une analyse de variance intergroupe standard, il aurait été en mesure d'estimer la signification statistique, mais, bien entendu, le suréchantillonnage ne change rien pour lui (il compte simplement le % de suppositions correctes d'appartenance à une classe) ....
après sa référence à l'image des covariances, je peux clairement affirmer qu'il compare des mouches avec des escalopes... ce qui prouve sa question (il oublie et se souvient de corrélations très glissantes).
1. Connaissez-vous les corrélations entre les variables réelles et nominales ?
Je connais les MCO et l'ANOVA et l'interprétation de la significativité de leurs estimations, et le fait que le rééchantillonnage ne change rien à votre "capacité" ne peut qu'indiquer que la fonction "si-alors" vous suffirait pour ne pas construire un modèle (et même essayer d'ignorer les bases statistiques de la modélisation) et ne pas pouvoir estimer le coefficient de significativité des résultats de votre classeDist, mais seulement le pourcentage de réponses fiables données par elle.....
== le même problème de mouches et d'escalopes indiscernables dans les concepts de base avec des cris sur les "outils" qui font mouche ou pas.... oui, avec une probabilité de 30% (certains outils sont encore légèrement distinguables) - peut-être que "ne rien faire" est distinguable à 70% ?
Il ne peut tout simplement pas obtenir de son algorithme le changement des valeurs des coefficients pendant le rééchantillonnage... par définition.
Je peux avoir un lien ? Je ne l'achète pas. De quoi parlez-vous ?
Je ne trouve pas la correspondance ici, j'ai le dossier ici, juillet 2020.