L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3103
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
Je voulais dire qu'il existe une telle approche dans la science officielle, car j'ai déjà entendu exactement les mêmes réflexions au sujet de la comparaison avec le SB.
Je me demande s'il existe des techniques établies.
Voici une esquisse.
à gauche, un vrai graphique de l'euro m5
à droite les ticks du SB (somme cumulée) convertis en m5
Visuellement, les graphiques sont similaires.))
L'hétéroscédasticité est modélisée en économétrie et dans toutes sortes de statistiques appliquées. Il existe de nombreux tests. R devrait les avoir tous. Le problème est qu'ils donnent une estimation du passé et qu'il n'est pas certain qu'elle soit adaptée au moment présent.
A la folie des braves :)
C'est là que se situe le développement de l'humanité tout entière.
Si l'on comprend les raisons pour lesquelles un modèle ne fonctionne pas, formé par les méthodes standard, il faut alors chercher une solution au problème. Même si elle n'est pas parfaite, elle permet d'appliquer le modèle sur le marché avec une plus grande confiance et une plus grande probabilité de succès. Nous disposerons alors déjà d'un revenu pour étudier plus avant le problème et l'améliorer.
Si nous considérons la neuronique, il serait peut-être possible de diviser l'échantillon en bachs et d'augmenter le nombre de bachs (zones de changement dans la distribution de probabilité) afin qu'ils contribuent de manière égale au processus d'apprentissage. Avec les arbres, c'est plus difficile, bien que CatBoost utilise des bachi similaires sur de grands échantillons, mais il n'est pas possible de les contrôler ou de les gérer. Bien que. il existait une technologie pour l'apprentissage continu - je ne l'ai pas expérimentée.... L'avez-vous fait ?
Visuellement, les graphiques sont similaires).
L'hétéroscédasticité est modélisée en économétrie et dans toutes sortes de statistiques appliquées. De nombreux tests ont été inventés. R devrait les avoir tous. Le problème est qu'ils donnent une estimation du passé et qu'il n'est pas certain qu'elle soit adaptée au moment présent.
Je ne vois pas les choses de la même manière que je vois l'utilisation de SB.
Par exemple, si je trouve un schéma complexe sur le marché, je peux générer un SB et voir s'il existe.
S'il ne figure pas sur le SB, c'est plutôt bien, j'ai trouvé une propriété qui n'est inhérente qu'au marché.
Et s'il y a un modèle sur le SB, c'est mauvais ? Je ne sais pas, est-ce mauvais qu'il y ait un modèle sur les deux ?
Eh bien, j'aimerais lire les personnes intelligentes qui ont déjà posé cette question.
C'est là que se situe le développement de toute l'humanité.
Si l'on comprend les raisons pour lesquelles le modèle ne fonctionne pas, formé par les méthodes standard, il est nécessaire de chercher une solution au problème. Même si elle n'est pas idéale, elle permet d'appliquer le modèle sur le marché avec une plus grande confiance et une plus grande probabilité de succès. Ensuite, avec le revenu, il est possible d'approfondir l'étude du problème et de l'améliorer.
Si nous considérons la neuronique, il serait peut-être possible de diviser l'échantillon en bachs et d'augmenter le nombre de bachs (zones de changement dans la distribution de probabilité) afin qu'ils contribuent de manière égale au processus d'apprentissage. Avec les arbres, c'est plus difficile, bien que CatBoost utilise des bachi similaires sur de grands échantillons, mais il n'est pas possible de les contrôler ou de les gérer. Bien que. il existait une technologie pour l'apprentissage continu - je ne l'ai pas expérimentée.... L'avez-vous fait ?
J'ai fait des variantes avec le préapprentissage, mais cela n'a pas fonctionné de cette manière. Dans le bousting, les poids des itérations passées ne changent pas pendant le ciselage, comme dans les neurones, mais seulement par-dessus. C'est un inconvénient.
J'ai également réalisé des neurones de toutes les architectures, y compris des encodeurs-décodeurs pour générer des données synthétiques. Ce n'est pas non plus nécessaire sur le foreach.Je ne vois pas les choses de la même manière que je vois l'utilisation du SB.
Par exemple, si j'ai trouvé un schéma complexe sur le marché, je peux générer un SB et vérifier s'il existe.
Si ce n'est pas le cas, c'est une bonne chose, j'ai trouvé une propriété qui n'est inhérente qu'au marché.
Et si c'est sur le SB, est-ce mauvais ? Je ne sais pas, est-ce mauvais que le modèle soit là et bien là ?
Bon, j'aimerais lire les personnes intelligentes qui ont déjà posé cette question.
Eh bien, c'est une sorte de truc de gentleman standard pour un trader-testeur. Vous trouvez une tendance sur le marché. Ensuite, vous la vérifiez sur une cotation basée sur le SB. Si les prévisions du SB sont de 50/50, vous pouvez plus ou moins faire confiance au test. Si le pourcentage de prévisions est à peu près le même, vous cherchez à savoir où se trouve le futur. S'il n'y en a pas, il faut chercher un aperçu astucieux de l'avenir. S'il n'y en a pas, vous recherchez un aperçu très intelligent de l'avenir. Quelque chose comme ça.
C'est en quelque sorte un truc de gentleman standard pour un trader de test.
A la folie des braves :)
Couronnes à prix réduit :).
En avons-nous fini avec le PBO ?
Vous avez assez parlé et vous avez oublié ?
Le PBO est-il terminé ?
Vous avez assez parlé et oublié ?
Pas oublié, mais jeté.
Il faut toujours tester sur deux fichiers.
Le premier est divisé en trois parties par échantillon : 70%, 15%, 15%. Sur le premier, apprenez par recoupement avec au moins 5 plis et un pli suffisamment grand. Pour RF, il s'agit de 1500. Ensuite, nous exécutons sur les deuxième et troisième échantillons, puis sur le deuxième fichier, qui est "tel quel". Les erreurs de classification sur tous les échantillons devraient être à peu près égales.
Qu'est-ce que l'OCR ajoutera à cela ?Qu'est-ce que le RHE apporte de plus ?
Ce qu'il fait est écrit dans l'article