L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1477
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
Ho anche un'idea su come tagliare il prezzo.
Prendiamo un prezzo e lo raggruppiamo in, diciamo, 10 cluster, addestriamo la rete, cerchiamo un errore...
Poi abbandoniamo un cluster, diciamo il decimo, addestriamo di nuovo la rete e vediamo l'errore. E così proviamo tutte le combinazioni finché non troviamo qualcosa di interessante... Alla fine può risultare che solo 1,3,9 cluster dovrebbero essere lasciati nella fila per fare buone previsioni.
Ho anche un'idea su come tagliare il prezzo.
Prendiamo un prezzo e lo raggruppiamo in, diciamo, 10 cluster, addestriamo la rete, vediamo l'errore...
Poi abbandoniamo un cluster, diciamo il decimo, addestriamo di nuovo la rete e vediamo l'errore. E così proviamo tutte le combinazioni finché non troviamo qualcosa di interessante... Dopo tutto potremmo scoprire che dovremmo tenere solo 1,3,9 cluster nella fila per fare buone previsioni.
Un'analogia è gettare le foglie dall'albero, come ha fatto Alexei.
Ma il problema è che 1 albero è sempre peggio di 100-200 alberi in una foresta.
Un'analogia - buttare le foglie dall'albero, come Alexei
No, è diverso...
Buttare via le foglie significa cambiare le regole dell'albero decisionale che predice il processo
Sto suggerendo di cambiare il processo stesso
Non è una merda, è solo uno scherzo).
Koldun inizia un'altra vacanza di quattro mesi, mentre Guru continua a lavorare per "alzare la sua immagine". Che spasso))) esilarante ...
Ha anche avuto un'idea su come tagliare il prezzo.
La dimensionalità può essere diminuita in molti modi, sarebbe una buona idea. L'esempio più semplice. Nero sottile - cloze, punti blu
intersezioni, rosso - un tentativo primitivo di ricostruire il vr originale dai syn.dots. Ci sono molti metodi di recupero.
Si può giudicare la "qualità del diradamento" dalla semplicità della funzione utilizzata per la ricostruzione. Più semplice è meglio...
L'analogia è buttare le foglie da un albero, come Alexei.
Ma il problema è che 1 albero dà sempre risultati peggiori di 100-200 alberi nella foresta
Non buttare via, ma abbattere. È come assemblare diverse mini strategie in una grande piscina. E poi o decisione collegiale o dare ad ogni foglia un lotto fisso, che è quello che sto facendo ora.
Eliminare le foglie significa cambiare le regole dell'albero decisionale che predice il processo.
Perché le regole dovrebbero cambiare? No, elimina solo le foglie che sono più sicure dei loro risultati, a scapito di quelle che vorrebbero fare qualsiasi previsione per il bene del sistema. In altre parole, un albero può non avere solo una soluzione per una situazione, ma quando si usano centinaia di alberi diversi e si fa una selezione su di essi, la possibilità di non avere una soluzione per la situazione diventa insignificante.
Wizard inizia un'altra vacanza di 4 mesi, l'insegnante continua a spingere "per elevare l'immagine". Che storia divertente))) esilarante ...
stai già parlando di te stesso in terza persona, sei totalmente fuori di testa). l'immagine va bene.
La dimensionalità può essere diminuita in diversi modi per farla funzionare. L'esempio più semplice. Nero sottile - cloze, punti blu -
e rosso - un tentativo primitivo di ripristinare l'immagine iniziale su syn.dots. Ci sono molti metodi di recupero.
Si può giudicare la "qualità del diradamento" dalla semplicità della funzione utilizzata per la ricostruzione. Più semplice è meglio...
Grazie, è interessante! Ci sono nomi scientifici per "diradamento" e "funzioni di recupero"? Sarebbe interessante leggere qualcosa al riguardo
Perché le regole stanno cambiando? No, semplicemente eliminano quelli che sono più sicuri dei loro risultati eliminando quelli che imbavaglierebbero qualsiasi previsione per il bene del sistema. In altre parole, un albero può non avere solo una soluzione per una situazione, ma quando si usano centinaia di alberi diversi e si fa una selezione su di essi, la possibilità di non avere una soluzione per la situazione diventa insignificante.
Beh, questo è un cambio di regole, non importa come lo giri, e in che direzione è cambiato è un'altra questione.
Quando guardo il tuo disegno con l'incrocio dei vagoni mi stupisco di quanto sia fresco e spesso il prezzo gira agli incroci, ma nella direzione opposta)) contro i segnali della folla.
Ma naturalmente non funziona sempre a causa della volatilità delle proprietà del mercato, ho bisogno di un indicatore adattivo. E ho un'idea se possiamo insegnare a NS a indovinare i periodi di tempo "giusti" in modalità tempo reale per catturare le inversioni con precisione?
Chi ha idee sull'obiettivo e quali parametri di prezzo dovrebbero essere presi come predittori?
Beh, è un classico, l'ho già scritto sopra, quando si tratta di prevedere l'optimum delle caratteristiche e dei risultati di TC (Equity/Pnl...).
Se "direttamente", il principio è lo stesso che con i returnees o i volos, per ogni campione dividere il campione in "prima" e "dopo" da qualche punto mobile price(t), calcolare qualsiasi cifra per {price(t-N),price(t)} e cifre target {price(t+1),price(t+K)} ed eseguire t attraverso tutta la serie. In questo caso, gli obiettivi saranno gli ottimi ondulatori su {prezzo(t+1),prezzo(t+K)} in qualche finestra nel futuro, e le caratteristiche possono essere fondamentalmente qualsiasi cosa dallo stocastico o dai momentum di diversi periodi, agli ottimi ondulatori o altri TC sul periodo precedente{prezzo(t-N),prezzo(t)}.
Che versione di JPrediction usi?
14 sembra.