L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 773
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
Ouverture de la transaction - capture d'écran, fermeture - capture d'écran. En une semaine, en supposant
vous serez tous les deux là et ne vous disputez pas - vous aurez des cadeaux.
Donc, vous ne faites pas entièrement confiance au service de signalisation...... ?????
Weird !!!!
Je n'ai ni le temps ni l'envie de commenter chaque transaction. Le robot hache, le résultat est sur le lid !!!!.
J'ai un flux de nouvelles provenant deR-bloggers. Aujourd'hui, j'ai reçu une publicité pour DALEX, un paquet sur la sélection de l'importance des variables. J'ai essayé de l'installer - il ne s'installe pas pour mon R 3.4.2.
J'ai vraiment aimé l'idée.
Habituellement, l'importance de la variable est l'importance dans le sens de la fréquence à laquelle le prédicteur a été utilisé dans l'ajustement du modèle.
Mais DALEX utilise une idée différente : l'importance du prédicteur fait référence à l'impact de ce prédicteur sur le succès de la prédiction . Le modèle lui-même est traité comme une boîte noire
J'ai essayé de me souvenir de tous les paquets que j'ai utilisés et je n'arrive pas à me rappeler un paquet avec la même idée - l'impact de la prédiction.
Quelqu'un peut-il en suggérer un ?
J'ai un flux de nouvelles provenant deR-bloggers. Aujourd'hui, j'ai reçu une publicité pour DALEX, un paquet sur la sélection de l'importance des variables. J'ai essayé de l'installer - il ne s'installe pas pour mon R 3.4.2.
J'ai vraiment aimé l'idée.
Habituellement, l'importance de la variable est l'importance dans le sens de la fréquence à laquelle le prédicteur a été utilisé dans l'ajustement du modèle.
Mais DALEX utilise une idée différente : l'importance du prédicteur fait référence à l'impact de ce prédicteur sur le succès de la prédiction . Le modèle lui-même est traité comme une boîte noire
J'ai essayé de me souvenir de tous les paquets que j'ai utilisés et je n'arrive pas à me rappeler un paquet avec la même idée - l'impact de la prédiction.
Quelqu'un peut-il me donner un indice ?
Bingo. Des centaines d'articles sur internet sur Arima, et partout il est dit "trouver l'autocorrélation et l'autorégression", puis une dizaine d'images, et ensuite la réponse avec trois paramètres sans aucune explication. 10 % des articles peuvent même mentionner l'existence d'une saisonnalité.
Je suis désolé, mais c'est de l'analyse technique - vous avez pris un indicateur, l'avez regardé, l'avez aimé, et avez construit un conseiller expert.
Lorsque nous essayons d'utiliser des modèles statistiques, la première question à se poser avant d'essayer de l'utiliser est de savoir si le modèle est applicable à nos données.
Si nous parlons d'ARIMA, il s'agit d'un modèle très limité dans son applicabilité, en particulier sur les marchés financiers. Les personnes qui l'ont créé ont compris cette limitation et l'ont donc doté d'outils supplémentaires qui vous permettent de déterminer l'applicabilité du modèle dans un cas particulier. Dans la pratique, nous devons vérifier l'applicabilité dans une FENÊTRE, de sorte que lorsque la fenêtre se déplace, le modèle peut être appliqué, puis il ne le peut pas.
Mais la situation est encore pire.
Il ne s'agit pas seulement des données initiales, auxquelles le modèle, par exemple ARIMA, peut ne pas être applicable. C'est aussi le résultat de l'ajustement : tout a été ajusté, tous les paramètres ont été définis, mais ensuite nous commençons à regarder et à voir que les paramètres ne sont PAS significatifs - ils ne sont pas là, bien que nous puissions les voir.
J'ai écrit plus haut que "la situation est encore pire". Et si l'on compare avec l'AT, c'est la situation d'un aveugle avec celle d'un voyant. Si l'on tient compte du fait que les indicateurs sont autorégressifs et que l'ARIMA l'est aussi, mais on peut savoir si l'ARIMA est applicable, alors que les indicateurs sont toujours utilisés à l'aveugle et on est ensuite surpris que le dépôt soit allé à l'aveugle.
J'ai un flux d'informations provenant deR-bloggers. Aujourd'hui, j'ai reçu une publicité pour DALEX, un paquet sur la sélection de l'importance des variables. J'ai essayé de l'installer - il ne s'installe pas pour mon R 3.4.2.
J'ai vraiment aimé l'idée.
Habituellement, l'importance de la variable est l'importance dans le sens de la fréquence à laquelle le prédicteur a été utilisé dans l'ajustement du modèle.
Mais DALEX utilise une idée différente : l'importance du prédicteur fait référence à l'impact de ce prédicteur sur le succès de la prédiction . Le modèle lui-même est traité comme une boîte noire
J'ai essayé de me souvenir de tous les paquets que j'ai utilisés et je n'arrive pas à me rappeler un paquet avec la même idée - l'impact de la prédiction.
Quelqu'un peut-il me donner un indice ?
Je l'ai installé sur 3.4.3. Intéressant, mais la paternité est suspecte.
Avez-vous oublié LIME ? Je me souviens aussi de varbvs. Je me penche de plus en plus vers les méthodes bayésiennes tout au long de l'année.
Bonne chance
C'est-à-dire qu'habituellement le backtest, mais le forward ?
Eh bien, oui ! Pourquoi avons-nous besoin d'un backtest ? Pourquoi avons-nous besoin d'un backtest ? Pour la formation - compréhensible, mais pour le backtesting...
Plus haut dans ce fil, j'ai affiché les résultats de l'entraînement et de l'avant - c'est tout simplement déprimant.
Mais ce ne sont là qu'une partie des résultats que j'ai obtenus.
J'ai exécuté les 6 modèles sur 14 paires de devises à 15 000 barres H1 dans rattle : la moitié pour la formation et l'autre moitié pour le modèle formé.
Les résultats sont plutôt décevants : sur 84 (en réalité 168) options (long+short), il y en a moins d'une douzaine, et il n'y a aucune paire de devises avec des positions à la fois longues et courtes !
Installé sur 3.4.3. Intéressant, mais la paternité est suspecte.
Avez-vous oublié LIME ? Rappelez-moi aussi les varbvs. Je me penche de plus en plus vers les méthodes bayésiennes tout au long de l'année.
Bonne chance
Y a-t-il un 3.4.3 dans microsoft ?
Merci pour le LIME.
SanSanych, vous êtes quelqu'un de compétent et qui s'appuie sur des théories. Dites-moi, avez-vous essayé d'utiliser les coefficients des polynômes de différentes séries comme prédicteurs ?
Non