L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 934
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
E in R stesso, la grafica non è niente. E anche i pacchetti di grafici non sono buoni.
Oggi ho dedicato una giornata allo studio del DSP.
Mi ricorda NS.
Coefficienti di filtraggio e altre cose, quasi come predittori
)
Oggi ho passato la giornata a studiare DSP.
È un po' come NS.
Coefficienti di filtraggio e altre cose, quasi come predittori.
)
Non credo che un giorno sia sufficiente). In realtà è una specialità). Lo hanno studiato per anni, anche per tutta la loro vita attiva.
NS, non ricorda, ma ampiamente utilizzato in DSP. La questione dell'applicazione di NS in DSP è la corretta formulazione del problema per NS. Diciamo che un'applicazione di NS è il filtraggio, incluso il filtraggio adattivo.
A proposito, NS funzionerà bene quando gli darete un compito abbastanza specifico, non portare questo, non so cosa.
Un giorno probabilmente non è sufficiente). In realtà è una specialità). È stato studiato per anni, anche per una vita attiva.
NS, non ricorda, ma ampiamente utilizzato in DSP. La questione dell'applicazione di NS in DSP è la corretta formulazione del problema per NS. Diciamo che un'applicazione di NS è il filtraggio, incluso il filtraggio adattivo.
A proposito, NS funzionerà bene quando gli darete un compito abbastanza specifico, non portare questo, non so cosa.
La specialità corrisponde
La giornata è breve, sono d'accordo.
Filtro_02 2016 arr_Buy
La classe "1" supera addirittura lo "0" in numero, quindi ci sono meno falsi ingressi rispetto a prima. Prova questo albero nell'EA per favore? Sono curioso di sapere cosa mostrerà il grafico dei profitti.
La classe "1" è solo un filtro di acquisto e la classe "-1" è un filtro di vendita, quindi idealmente sarebbe meglio programmare sia un filtro di vendita che uno di acquisto. Ho solo valori tutti int, capisco che se il valore di ramificazione nell'albero è 2,5, allora metto 3, giusto? E negli ovali significa più o uguale a 0,50, allora è 1, altrimenti è zero? È solo che ci sono solo 4 uscite a zero, allora controllo solo su di esse, se non è 0, allora è 1.
La classe "1" è solo un filtro di acquisto e la classe "-1" è un filtro di vendita
Non capisco. arr_Buy==1 significa "non comprare"?
Idealmente, sarebbe meglio programmare un filtro sia per vendere che per comprare.
E come calcolare un valore target da due arr_Buy e arr_Sell?
Sarebbe bello se in una colonna obiettivo ci fossero solo due classi -1 e 1 (comprare e vendere), e un numero circa uguale di entrambe. In questo caso, potremmo ottenere risultati più stabili dal modello.
Ho solo valori tutti int, deduco che se l'albero ha un valore di ramificazione di 2,5, metto 3, giusto? E negli ovali significa più o uguale a 0,50, allora è 1, altrimenti è zero? È solo che ci sono solo 4 uscite a zero, allora mi limiterò a controllare su di esse, se non è 0, allora è 1.
Sì, proprio così.
La classe "1" è solo un filtro di acquisto e la classe "-1" è un filtro di vendita, quindi idealmente sarebbe meglio programmare sia un filtro di vendita che uno di acquisto. Ho solo valori tutti int, capisco che se il valore di ramificazione nell'albero è 2,5, allora metto 3, giusto? E negli ovali significa più o uguale a 0,50, allora è 1, altrimenti è zero? È solo che ci sono solo 4 uscite a zero, allora mi limiterò a controllare su di esse, se non è 0, allora è 1.
Stai facendo l'albero da solo?
Una foresta è sufficiente per essere addestrata, e un'ulteriore ottimizzazione non ha senso - è più facile fare una nuova foresta.
Per una piena compatibilità con MQL5 ho creato https://github.com/Roffild/RoffildLibrary/blob/master/Experts/Roffild/Alglib_RandomForest.mq5 Run solo sugli agenti locali. Il codice può generare diversi file con diversi numeri di predittori ed eseguirli nell'ottimizzatore. Quando si esaurisce la RAM, è meglio passare a Spark...
Non capisco. arr_Buy==1 significa "non comprare"?
Sì - non comprare, è un filtro, cioè cerca punti di entrata sbagliati per comprare e per vendere. L'idea è quella di trovare voci di mercato e combinarle con il filtro.
E come calcolare un valore target da due arr_Buy e arr_Sell?
Sarebbe bello se ci fossero solo due classi -1 e 1 (comprare e vendere) nella stessa colonna di destinazione, e circa lo stesso numero di entrambe. In questo caso si potrebbero ottenere risultati più stabili dal modello.
In questo caso l'entrata dovrebbe essere su ogni barra - comprare o vendere, ma il mercato non fornisce così tanti movimenti di tendenza, e il target per l'acquisto e la vendita è in tendenza, quindi i segnali non possono essere combinati. Il filtro monitora tutte le perdite, quindi ci sono più informazioni - più appartamenti, quindi dovrebbe prenderli.
È stato scritto molte volte: i predittori di rumore sono molto più favorevoli al modello - ci sono sempre valori nel rumore che migliorano il risultato dell'apprendimento. Quindi il processo è invertito - i predittori di rumore ottengono più peso, non come suggerisci tu. Questo è particolarmente evidente su piccoli campioni, che sono meno di 1000 osservazioni. I campioni di più di 5000 osservazioni non sono così influenzati, ma è ancora necessario pre-selezionare i predittori di rumore
Come si identificano i "predittori di rumore"? Ho provato a selezionare per significato e rimuovere in questo modo, il risultato è peggiore.
Preferisco sovrapporre i risultati della foresta casuale al grafico stesso.
Per esempio, confrontando due modelli di foresta casuale:
Preferisco sovrapporre i risultati della foresta casuale al grafico stesso.
Per esempio, confrontando due modelli di foresta casuale:
Non è chiaro come leggere il tuo indicatore.