L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 814
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
Il a été noté depuis longtemps que lorsque les contrats à terme sont nouveaux, les CT sont petits et de courte durée. Plus les contrats à terme sont anciens, plus ils sont prévisibles, et lorsqu'ils arrivent à échéance, c'est un jeu d'enfant.
Qui spécule sur les nouveaux contrats à terme ? Seulement les 3 derniers mois. Si la précédente est terminée (ou 2 ou 3 jours avant) - passez à la suivante.
Et ensuite, c'est à peu près la même chose tous les 3 mois, sauf les derniers jours de l'existence. Non - l'ancien...))
et avec vos manières, vous aurez beaucoup de temps pour atteindre les locaux.
Il n'en a pas besoin, il est juste là pour le troll. Il y a littéralement des piles d'algorithmes graal dans le fil, et s'il n'avait pas la langue dans sa poche, et qu'il les essayait - il serait sorti depuis longtemps de l'élan permanent. Il a même posté ici près de 90% de grails prêts à l'emploi, mais pour les finaliser, il faut des connaissances qui lui font défaut. Toutes les étapes manquantes sont décrites ici dans le thème, mais il a envoyé tous ceux qui ont essayé de l'aider et de le diriger dans la bonne direction, en enfer )))))
Ironic.
Il n'en a pas besoin, il est juste là pour troller. Il y a littéralement des piles d'algorithmes graal dans le fil, et s'il n'avait pas la langue dans sa poche, et qu'il les essayait - il serait sorti depuis longtemps de l'élan permanent. Il a même posté ici près de 90% de grails prêts à l'emploi, mais pour les finaliser, il faut des connaissances qui lui font défaut. Toutes les étapes manquantes sont décrites ici dans le sujet, mais il a dit à tous ceux qui ont essayé de l'aider et de le diriger dans la bonne direction d'aller se faire foutre ))))).
Ironique.
o Maître, donnez-moi les 10% restants et je vous servirai fidèlement.
Pardonnez à un étudiant stupide qui ne voit pas l'étincelle de vérité dans vos messages.
Brevets refusés.
Les photos sont magnifiques, bien sûr.
Mais un moyen simple est : Faites ceci et obtenez cela. Vous pouvez le faire sans photos. Je fais confiance aux gens comme ça.)
Saw Shura, ils sont en or. https://www.mql5.com/ru/articles/2930
Si vous avez au moins un prédicteur avec la distribution indiquée, alors vous n'avez besoin de rien : nous déménageons sur une île chaude et y vivons.
En général, l'image est comme ça :
Et en voici une absolument magnifique.
Voici la réalité de la vie dure avec de vrais prédicteurs.
Si vous avez au moins un prédicteur avec la distribution indiquée, alors vous n'avez besoin de rien : nous déménageons sur une île chaude et y vivons.
En général, l'image est comme ça :
Et en voici une absolument magnifique.
Voici la réalité de la vie dure avec de vrais prédicteurs.
Par distributions de probabilités, nous entendons les Bayas. J'écrirai plus tard si le sujet s'avère intéressant, pour l'instant je ne sais pas...
Et vouliez-vous dire les distributions de probabilité relatives à la cible sur l'OOS ?
Les distributions de probabilités font référence aux Bayas. J'écrirai plus tard si le sujet s'avère intéressant, pour l'instant je ne sais pas...
et vouliez-vous dire les distributions de probabilité relatives à la cible sur l'OOS ?
J'écris pour la centième fois.
Je prends un prédicteur et le divise en deux parties pour une cible de deux classes : une partie appartient à une classe et l'autre à une autre. Puis on construit deux curvilignes et on les superpose. En dessous, nous faisons une légende : "f*ck you, not money".
C'est le travail.
PS.
Ces curvulines se déplacent constamment l'une par rapport à l'autre, pour un prédicteur moins et pour l'autre plus que la largeur de la curvuline. Cela définit la non-stationnarité des données d'entrée pour les modèles de classification, quels qu'ils soient.
J'écris pour la centième fois.
Je prends le prédicteur et le divise en deux parties pour la cible des deux classes : une partie appartient à une classe et l'autre à l'autre. Ensuite, nous construisons deux lignes curvilignes et les faisons se chevaucher. En dessous, nous faisons une légende : "f*ck you, not money".
C'est le travail.
PS.
Ces curvulines se déplacent constamment l'une par rapport à l'autre, pour un prédicteur moins et pour l'autre plus que la largeur de la curvuline. C'est ce qui détermine la non-stationnarité des données d'entrée des modèles de classification, quelle qu'elle soit.
maintenant prendre pour chaque prédicteur une estimation historique de vente/attente, la traduire en une estimation probabiliste.
prendre plusieurs prédicteurs, faire de même pour chacun d'eux.
trouver les probabilités conditionnelles de profit pour un ensemble de caractéristiques
et ensuite tu le mets dans des ensembles NS ou flous comme dans cet exemple.
l'estimation moyenne fluctuera autour de 0,5 pour chaque prédicteur, mais les merveilles de l'approche bayésienne ramèneront les totaux à un niveau acceptable
c'est en théorie :)