L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1382
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
No, sto solo dicendo che sono ritorni, puoi mettere log() invece di -1, succederà la stessa cosa, cioè logreturns. Questa perdita di informazioni è molto significativa, dato che ne avete solo 20.
Per il mio problema 20 sono sufficienti. In generale si può avere bisogno di più. Dipende dai dettagli.
Imho, non puoi mettere log - è una trasformazione non lineare. L'utilità, nel caso generale, è molto dubbia.
Nel caso generale faccio passare le serie di input attraverso sigmoide o tanh in modo tale che i prezzi principali siano in una parte "lineare", e la non linearità è limitata solo dai picchi.
Perché avete bisogno di predittori?
Non ti piace più il grafico grezzo?
Non sai molto di MO e algotrading, devo consigliare al maggior numero di persone possibile di non comprare i tuoi"grails" sul mercato, a causa dell'incompetenza dell'autore.
Per il mio compito, 20 sono sufficienti. Nel caso generale, forse è necessario di più. Dipende dai dettagli.
Imho, non puoi mettere log - è una trasformazione non lineare. L'utilità, nel caso generale, è molto dubbia.
Il log è necessario perché il prezzo cambia non come una somma cumulativa di incrementi, ma come prodotto, come l'interesse composto, anche se nel caso di valute dove i cambiamenti sono molto piccoli, non è il punto.
Per il mio compito, 20 sono sufficienti. Nel caso generale, forse è necessario di più. Dipende dai dettagli.
Imho, non puoi mettere log - è una trasformazione non lineare. L'utilità, nel caso generale, è molto dubbia.
Nel caso generale passo la serie di input attraverso sigmoide o tanh, in modo che i prezzi principali siano nella sezione "lineare", e la non linearità sia limitata solo agli outlier.
come il NS li farà passare attraverso il sigmoide stesso? )) o dà qualcosa di aggiuntivo
come se il NS li facesse passare attraverso il sigmoide stesso? ))) o è qualcosa in più che dà
Ma non all'ingresso). Dà una limitazione dei picchi nella fila d'ingresso, non sovraccarichiamo i neuroni all'ingresso di NS.
Ma non sull'ingresso). Dà un limite agli outlier nella serie di input, non sovraccarichiamo i neuroni sull'input del NS.
Puoi anche farlo passare attraverso un'arctangente... la trasformata di Fisher...
...come rendere la distribuzione più normale... ma quello che resta dei dati non dipende da me ))
potete farlo passare attraverso un'arctangente... la trasformata di Fisher
rende la distribuzione più normale... ma quello che resta dei dati non dipende da me ))
Finché la parte centrale dell'uscita è lineare nella gamma principale.
Tutti i dati saranno presenti, tranne i valori anomali, che saranno leggermente schiacciati. Metodo del tutto normale per l'elaborazione del segnale.
Altrimenti, qualche picco nella vostra storia vi intaserà di neuroni, e continuerà a intasare fino a quando non sarà più visibile. Il tuo NS andrà semplicemente in negazione o in incoscienza. )
Il log è necessario perché il prezzo non cambia come somma cumulativa degli incrementi, ma come prodotto, come l'interesse composto, anche se nel caso delle valute dove i cambiamenti sono molto piccoli, questo non è il punto.
Presumo che in un mercato più o meno stabile M(dC/C) =~const.
Non applico la divisione (P[i] / P[0]), ma la sottrazione (P[i] - P[0]), cioè non il cambiamento di prezzo relativo, ma assoluto. Rimuovo preliminarmente gli outlier (1% in quantità dai valori più grandi e più piccoli).
La divisione dà qualche vantaggio? Attualmente sto usando una foresta che non ha bisogno di normalizzazione e scalatura.
Non applico la divisione (P[i] / P[0]), ma la sottrazione (P[i] - P[0]), cioè non il cambiamento di prezzo relativo, ma assoluto. Elimino preliminarmente gli outlier (1% in quantità dai valori più grandi e più piccoli).
La divisione dà qualche vantaggio? Attualmente sto usando una foresta che non richiede la normalizzazione e il ridimensionamento.
È una credenza comune che la differenza dei logaritmi dei prezzi (lo stesso che il logaritmo del loro rapporto) sia più vicina a una distribuzione normale che la sola differenza. Per la stessa ragione il prezzo è modellato dal moto browniano geometrico per derivare la formula di Black-Scholes.