L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 635
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Con il vostro aiuto, forse lo capiremo :-) Cioè, se ho capito bene, è necessario scegliere quegli ingressi che sfregano vicino allo zero da una parte e dall'altra. È così?
:)))) Devi chiamare il Wizard per avere aiuto in questo caso :)))).
Posso dire solo una cosa - è la non-entropia che è responsabile della tendenza/stato piatto. Una tendenza è la "memoria" del processo, la sua "coda" di distribuzione e la nonentropia è enorme, mentre nello stato piatto è quasi zero. Me ne occupo solo io, ma capisco l'importanza di questo parametro poco studiato.
Cosa posso dire. Riassunto preliminare...
Se si sceglie il modello sul principio della vicinanza a zeroYu, non importa da quale parte, allora 9 errori su 24 transazioni.
Se scegliamo per il principio del numero più basso, ci sono solo 7 errori su 24. Inoltre, con un'entropia estrinsecamente negativa una volta era corretta e una volta era un errore. Ma di nuovo, questo è un calcolo stupido dell'entropia, mentre noi dobbiamo calcolare l'informazione reciproca. Penso che sia questa metrica che può chiarire molto. Quali modelli cestinare e quali mettere su un piedistallo.
Qualcuno può spiegare cosa bisogna fare con i dati per calcolare il VI????
Cosa posso dire. Riassunto preliminare...
Se si sceglie il modello sul principio della vicinanza a zeroYu, non importa da quale parte, allora su 24 transazioni ci sono 9 errori.
Se scegliamo per il principio del numero più basso, ci sono solo 7 errori su 24. Inoltre, con un'entropia estrinsecamente negativa una volta era corretta e una volta era un errore. Ma di nuovo, questo è un calcolo stupido dell'entropia, mentre noi dobbiamo calcolare l'informazione reciproca. Penso che sia questa metrica che può chiarire molto. Quali modelli cestinare e quali mettere su un piedistallo.
Qualcuno può spiegare cosa dobbiamo fare con i dati per calcolare VI????
Geniale, Mikhail!
Sarai in grado di fare il TS con entropia/non-entropia più velocemente di me - conto PAMM o segnale in studio! Sarò il primo a firmare perché sarà la verità.
Se si sceglie un modello basato sulla vicinanza allo zero, non importa da quale lato, allora 9 errori su 24 scambi.
Queste statistiche non sono sufficienti - dobbiamo aumentarle di almeno 100 volte.
Se scegliamo un modello secondo il principio della vicinanza allo zero, non importa da che parte, allora 9 errori su 24 scambi.
Se seguiamo il principio del numero più basso, solo 7 errori su 24.
Prova il numero più alto - forse non sarà molto peggio.
Geniale, Mikhail!
Se riuscite a fare un TS con entropia/non-entropia prima di me - conto PAMM o segnale in studio! Sarò il primo a firmare perché sarà la verità.
Purtroppo non posso ottimizzare in base a queste metriche, perché uso l'ottimizzatore nella scatola, ma pre e post processing (selezione del modello), penso di poterlo fare. Ma ho bisogno di aiuto nel calcolo dell'informazione reciproca per esempio. E dopo qualche ricerca possiamo trarre alcune conclusioni. Almeno sarà possibile trarre la conclusione più importante, se queste metriche sono rilevanti nella preparazione dei dati prima della formazione e anche dopo la formazione nella selezione del modello.....
Alexander, c'è la possibilità di fare un podcast con spiegazione?
Non bastano le statistiche - almeno 100 volte di più.
Beh, sono solo io... solo frettolosamente. Personalmente, penso che il seguente.....
Se con l'aiuto del VFD possiamo selezionare gli input rilevanti che conterrebbero la massima informazione sull'output, allora i modelli su tali input funzionerebbero più spesso che non. E poi nel processo di esecuzione del modello su RES, con l'aiuto di VF per tracciare il momento in cui il modello perde rilevanza. Questo può accadere temporaneamente. Hanno notato che dopo una serie di errori, il modello come se nulla fosse successo di nuovo inizia a funzionare correttamente, penso che proprio una metrica come VVI può aiutare tutti noi in un caso così difficile .... Tutto quello che resta da fare è calcolare l'entropia condizionata... Nessuno sa come farlo con due colonne di excel?????
Credi che sia stato sveglio tutta la notte a fare stronzate? No, ho lavorato sul VBA. Non posso dire di essere un guru, ma so fare molti trucchi. Ho il conteggio dell'entropia lì dentro, tutto quello che devo fare è calcolare il condizionale e sono pronto a partire....
Vedi, Michael, come faccio io:
Calcola le probabilità di accadimento di un evento, cioè questo o quell'incremento nella serie temporale.
Per esempio, per AUDCAD:
Poi, per un dato volume di campione, gli incrementi ottenuti successivamente contano la non-gentropia usando la formula dihttps://ru.wikipedia.org/wiki/Негэнтропия.
Ho notato che quando H(x) aumenta bruscamente, inizia la tendenza.
Ma, ripeto, la mia ricerca è solo all'inizio ed è ancora lontana dalle dichiarazioni forti che di solito mi piace fare.
Poi, per un dato volume di campione, gli incrementi ottenuti successivamente contano la non-gentropia usando la formula dihttps://ru.wikipedia.org/wiki/Негэнтропия.
Ho notato che quando H(x) aumenta bruscamente, inizia la tendenza.
Ma, ripeto, la mia ricerca è solo all'inizio ed è ancora molto lontana dalle affermazioni roboanti che mi piace fare di solito.
Sorprendentemente, tu parli della non-entropia come un calcolo separato, io conto solo l'entropia e risulta negativa. come lo capisci?
Per quanto riguarda gli estremi, hai assolutamente ragione. Nelle mie osservazioni, su 25 segnali ne ho due: uno - 923 e un altro - 1233 e proprio questi segnali erano super-trendy.
Sorprendentemente, tu parli della non-entropia come un calcolo separato, ma io conto solo l'entropia e risulta negativa.
Non lo so ancora. Guardo la nonentropia come un parametro aggiuntivo a Hearst, asimmetria, curtosi, ecc. e questo parametro è il più misterioso e, come dire? - splendido, sì.