L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3350
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
Sur la même liste.
La méthodologie des prédictions conformes fait également écho à Kozul, du moins en ce qui concerne la pondération des probabilités inverses. Je n'ai pas encore lu la suite. Beaucoup de définitions :)
Et la définition des résultats potentiels est utilisée de la même manière. Mais elle est déjà plus claire dans le cas d'une classification binaire. C'est-à-dire qu'aucun tritment ou variable instrumentale n'est introduit.
Bonjour !
J'essaie différentes méthodes.
Et l'algorithme NN+GA porte ses fruits. Beaucoup plus stable.
Bonjour !
J'essaie différentes méthodes.
Et l'algorithme NN+GA porte ses fruits. Beaucoup plus stable.
une soirée delecture avec de la vodka, du chevreuil et du concombre.
développer le thème et essayer de relier dans ma tête les approches des différentes disciplines de MOSH.
unelecture pour une soirée vodka, gibier et concombre.
Je suis en train de développer le thème et d'essayer de relier dans ma tête les approches des différentes disciplines de MOSH.
Bon appétit et une légère gueule de bois)
Il semble que ce soit très similaire à la prévision probabiliste, bien qu'ils écrivent qu'il s'agit de choses différentes. D'après ce que j'ai compris jusqu'à présent, la méthode conforme est plus axée sur la classification, et la méthode probabiliste est axée sur la régression.
Je me souviens que vous avez comparé les bénéfices maximaux des dts. Et sur un graphique particulier, quel algorithme avez-vous utilisé pour obtenir le profit maximum ? Par l'optimisation ou existe-t-il un algorithme strict?
Et une seule passe. Quelque part sur le forum.
Profitez de votre repas et ayez une légère gueule de bois)
Il semble qu'elle soit très similaire à la prévision probabiliste, bien qu'ils écrivent qu'il s'agit de choses différentes. D'après ce que j'ai compris jusqu'à présent, la méthode conforme est plus spécialisée pour la classification, et la méthode probabiliste pour la régression.
Merci :) oui, c'est similaire. Ils écrivent que cela n'a pas d'importance pour la classification ou la régression. La façon d'obtenir des estimations pour les prédictions via la comparaison sur le réseau de validation est claire (dans le cas de l'"inductif", c'est-à-dire la façon la plus rapide et la plus simple). La méthode "transductive" est également plus ou moins claire, mais elle est très lente car elle nécessite l'apprentissage d'autant de modèles qu'il y a d'exemples dans l'échantillon. Il existe également des variantes intermédiaires telles que CV, que j'ai moi-même appliquée.
Je n'ai pas bien compris dans l'article comment les modèles finaux sont formés, ce qui est remplacé par quoi. Encore une fois, par la correction des poids du modèle, sa calibration (pondération de l'échantillon) ou quelque chose comme dans kozula. Ou bien les marqueurs les plus probables sont introduits dans le modèle après évaluation. J'ai simplement utilisé le deuxième modèle à cette fin, ce qui permet d'éviter les transactions sur de mauvais exemples.