Régression bayésienne - Est-ce que quelqu'un a fait un EA en utilisant cet algorithme ? - page 27
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
Eh bien, s'il y a trop de prédicteurs avec un score inférieur à 2, aucun prédicteur utile ne peut être identifié par d'autres moyens que les miens. Comment interpréter cela - je ne sais pas. N'oublions pas que les prédicteurs ont un impact non seulement sur la variable cible, mais aussi entre eux. Très souvent, ce n'est pas seulement la liste des prédicteurs à supprimer qui est importante, mais aussi l'ordre dans lequel ils sont supprimés.
Il est clair que les prédicteurs sont généralement interdépendants.
Vous conduisez, me semble-t-il, à l'utilisation de méthodes stochastiques comme le recuit simulé. Je l'utilise aussi. J'ai également un programme qui peut calculer de manière assez intelligente la pertinence d'un ensemble de prédicteurs (1 ou plus) sur une variable cible, et j'y ai mis des méthodes de sélection à la fois gourmandes et stochastiques. Un endroit où l'avarice fonctionne mieux, un autre où la stochastique.
MAIS ! Si j'utilise la forêt de décision (ou GBM) et que j'affiche la signification des variables du modèle formé, je constate que certaines d'entre elles sont rarement ou jamais utilisées.
Voulez-vous dire que la réduction de la dimensionnalité peut améliorer la qualité du modèle (réduire l'ajustement) ? Cela s'applique-t-il à la forêt de décision ?
Sans surprise, vous n'êtes pas un botaniste en termes de quantiles, de validations croisées et de bootstraps.
Il est clair que les prédicteurs sont généralement interdépendants.
Vous conduisez, me semble-t-il, à l'utilisation de méthodes stochastiques comme le recuit simulé. Je l'utilise aussi. J'ai également un programme qui peut calculer de manière assez intelligente la pertinence d'un ensemble de prédicteurs (1 ou plus) sur une variable cible, et j'y ai mis des méthodes de sélection à la fois gourmandes et stochastiques. Un endroit où l'avarice fonctionne mieux, un autre où la stochastique.
MAIS ! Si j'utilise la forêt de décision (ou GBM) et que j'affiche la signification des variables du modèle entraîné, je constate que certaines d'entre elles sont rarement ou jamais utilisées.
Voulez-vous dire que la réduction de la dimensionnalité peut améliorer la qualité du modèle (réduire l'ajustement) ? Cela s'applique-t-il à une forêt de solutions ?
SVM, ada, divers arbres.
La réduction de la dimensionnalité n'est pas l'objectif.
Les prédicteurs pertinents pour la variable cible sont pris et un algorithme de sélection de prédicteurs est exécuté sur cet ensemble. On ne sait pas ce qu'il produira dans la prochaine fenêtre : il laissera peut-être tous les prédicteurs, peut-être une partie de.....
PS
A PROPOS DE GBM. Pour une raison quelconque, je n'ai pas obtenu de meilleurs résultats qu'ada...
PSPC
Selon mes résultats, les algorithmes de sélection de prédicteurs les plus efficaces dans Caret (rfe, saf, gaf). Malheureusement pas pour tous les modèles. Avez-vous une expérience de leur utilisation ?
Permettez-moi de vous demander votre avis : le marché des changes, en particulier les devises, est-il vraiment un marché de prix acheteur et vendeur (les gens achètent et vendent) ou s'agit-il d'un système automatisé pour prendre de l'argent ? Comme (au casino) j'ai vu à la roulette la boule tomber là où elle ne devrait pas, un aimant a fonctionné à 100% si vous voulez être sûr à 1000%. Je vais expliquer pourquoi une telle question, le prix parvient à marcher de telle manière que les systèmes que j'ai utilisé, y compris moi-même, a perdu de l'argent, à en juger par le forum, je ne suis pas le seul tel, c'est-à-dire sort tous.
Lire ici : http://www.foxbusiness.com/features/2014/11/12/six-big-banks-fined-43b-in-fx-rate-rigging-scam.html
Celui-ci en particulier : "L'OCC a également constaté que les traders discutaient d'actions qui pourraient potentiellement nuire à leurs clients, mais qui seraient bénéfiques pour eux-mêmes et leurs banques, et qu'ils convenaient de ne pas négocier dans des devises particulières."
Permettez-moi de vous demander votre avis, le marché du forex, en particulier les devises, est-il vraiment le prix de l'offre et de la demande (des personnes qui achètent et vendent) ou s'agit-il d'un système automatisé pour prendre de l'argent ? Comme (au casino) j'ai vu à la roulette la boule tomber là où elle ne devrait pas, un aimant a fonctionné à 100% si vous voulez être sûr à 1000%. Je vais expliquer pourquoi une telle question, le prix parvient à marcher d'une telle manière que les systèmes que j'ai utilisé, y compris moi-même, a perdu de l'argent, à en juger par le forum, je ne suis pas le seul tel, c'est-à-dire sort tous.
Pour commencer, n'utilisez pas la martingale sous quelque forme que ce soit. :)
Et les mouvements de prix (tendances à moyen et long terme) ne sont pas déterminés par six banques, même très puissantes, mais par des raisons fondamentales - balance commerciale, taux d'escompte, indice des prix, etc.
SVM, ada, divers arbres.
La réduction de la dimensionnalité n'est pas un objectif.
Les prédicteurs pertinents pour la variable cible sont pris et l'algorithme de sélection des prédicteurs est exécuté sur cet ensemble. On ne sait pas ce qu'il produira dans la prochaine fenêtre : il laissera peut-être tous les prédicteurs, peut-être une partie de.....
PS
A PROPOS DE GBM. D'une manière ou d'une autre, je n'ai pas obtenu de meilleurs résultats qu'ada...
PSPC
Selon mes résultats, les algorithmes de sélection de prédicteurs les plus efficaces dans Caret (rfe, saf, gaf). Malheureusement pas pour tous les modèles. Avez-vous une expérience de leur utilisation ?
SVM, ada, divers arbres.
La réduction de la dimensionnalité n'est pas un objectif.
Les prédicteurs pertinents pour la variable cible sont pris et l'algorithme de sélection des prédicteurs est exécuté sur cet ensemble. On ne sait pas ce qu'il produira dans la prochaine fenêtre : il laissera peut-être tous les prédicteurs, peut-être une partie de.....
PS
A PROPOS DE GBM. Pour une raison quelconque, je n'ai pas obtenu de meilleurs résultats qu'ada...
PSPC
Selon mes résultats, les algorithmes de sélection de prédicteurs les plus efficaces dans Caret (rfe, saf, gaf). Malheureusement pas pour tous les modèles. Avez-vous une expérience de leur utilisation ?
J'utilise soit des métriques d'importance dans la forêt de décision, soit des métriques informationnelles (basées sur l'information mutuelle). En général, je crois que dans les modèles de type forêt de décision, il n'est pas nécessaire de présélectionner .......
Et faites attention à Fomenko et aux autres... Ils pourraient vous conduire dans une forêt accidentelle))))
Oui.
Et faites attention à Fomenko et aux autres... ils pourraient vous conduire dans les mauvais bois))))