L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1820
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
incrementi, indicatori, qualsiasi cosa in entrata. All'uscita la direzione degli scambi.
Oltre alla direzione aggiungere correttamente l'aspettativa))) Se il periodo dopo il trade è abbastanza lungo ed è leggermente più grande dello Stooploss, questo è un flat.
Oltre alla direzione aggiungere correttamente l'aspettativa)))) Se il periodo dopo il trade è abbastanza lungo e un po' più di uno Stooploss in portata, è un flat.
è tutto casuale, compresa l'aspettativa. Se lo fai a caso molte volte, il modello sarà trovato secondo il principio dei grandi numeri)
Questo è un blocco di selezione diverso, non legato al campionamento. Si prende il numero massimo di barre indietro, poi si selezionano le combinazioni migliori. Questo è un problema di approssimazione qualitativa, non di campionamento.
Alla fine della giornata, se il campionamento è corretto, viene selezionato il numero ottimale di predittori di lag che descrivono al massimo la direzione degli scambi.
Poi si monta e si scelgono le opzioni migliori. Non credo che qualcuno l'abbia fatto qui, ma io ce l'ho da molto tempo).
Non credo di poterne trovare uno per questo compito. Proverò solo, casuale, regolare, dipendente dagli indici.
È improbabile che sia facile trovarne uno per il compito da svolgere. Solo provando, casuale, regolare e dipendente dall'induttore.
Ho cercato su Google il campionamento multistep. Scelta della probabilità, che si basa su un'altra probabilità, che si basa su un'altra... ecc. Non credo che ci siano altre opzioni.
Cioè, per esempio, allora i trade si apriranno frequentemente, poi raramente, poi per niente. E il tempo di mantenimento delle transazioni varierà molto
può essere legato alla volatilità, nessuno sa come dovrebbe essere fatto.
è tutto casuale, compresa l'aspettativa. Se lo fai molte volte a caso, un modello sarà trovato per il principio dei grandi numeri)
a condizione che sia stabile / stazionario. Logicamente, un modello di serie chiaramente stazionario non è lungo, o piuttosto la serie è a breve termine. La regolarità stabile sulle serie lunghe è rara.
a meno che non sia stabile / stazionario. Logicamente, un modello di serie chiaramente stazionario non è lungo, o piuttosto la serie è a breve termine. Un modello stabile su una serie lunga è raro.
Il blocco 3 è responsabile di questo e controlla la qualità del modello con nuovi dati)
Questa è la responsabilità del 3° blocco, che controlla la qualità del modello sui nuovi dati)
Questo è comprensibile, ma abbiamo già nelle conclusioni che non esiste un modello completo, se MO fa dei calchi e li riconosce, allora è per tutte le file, e se i modelli, allora è per certe file. Se si sta cercando un modello di apprendimento ottimale a finestra scorrevole, allora sì, ma in ogni caso il modello cade su un ritardo imprevedibile prima dell'apprendimento.
In generale, il compito di minimizzare il ritardo è eterno.
Il compito è "c'è una jeep nella foto"!
La risposta corretta è niente jeep!
Se riesci a vederlo, o vedi attraverso la palude o sei schizofrenico.
Capisco che quando il cervello vede il tetto della jeep, capisce che è da qualche parte giù nella palude, ma la domanda è se c'è una jeep nella foto... La jeep non è nella foto, è sotto la palude.
È come mostrare a una rete la foto di un campo e farle dire che vede una marmotta, sappiamo che c'è ma la foto è di un campo!!!
dovete pensare di più, signori...
Quindi, se il cofano e il parabrezza o metà della jeep o l'intera jeep ma senza la porta posteriore fossero visibili nella foto, non sarebbe nemmeno nella foto???? Sono solo interessato a sentire un'opinione....
Penso che le domande sbagliate per le risposte sbagliate.
Il compito di swarem NS è come un riflesso - risolvere senza pensare alla filosofia. Questo è il modo in cui il NS moderno passa i vecchi giochi (non sa nemmeno cosa sta facendo e perché - e perché è necessario diffidare degli avversari o dei buchi di salto).
Più interessante, al fine di semplificare la formazione prima di passare un nuovo gioco - perché NS spazzola fuori per qualcosa..... anche se a mio parere il migliore raccolto alcuni GA per più veloce apprendimento successivo in questa direzione
Il compito è "c'è una jeep nella foto"!
La risposta corretta è niente jeep!
Se riesci a vederlo, o vedi attraverso la palude o sei schizofrenico.
Capisco che quando il cervello vede il tetto della jeep, capisce che è da qualche parte giù nella palude, ma la domanda è se c'è una jeep nella foto... La jeep non è nella foto, è sotto la palude.
È come mostrare a una rete la foto di un campo e farle dire che vede una marmotta, sappiamo che c'è ma la foto è di un campo!!!
Dovete pensare di più, signori...
Con questo approccio, non andrete molto lontano. La questione è che nel mercato, se qualcosa è chiaramente visibile, per esempio, se si vede in qualche modo una tendenza, il denaro è già andato. Ma bisogna imparare a "riconoscere" la jeep proprio come nella foto. Oppure, come scritto sopra, un uomo è seduto a un tavolo in una stanza, ma è molto probabile che indossi delle pantofole. La situazione (contesto) è "così così" Il modello (persona)+contesto (stanza/tavolo/sera) è il Graal. Identificate correttamente il modello e il contesto in cui si è formato - questo è tutto, non avete bisogno di altro. Mentre la gente indovina dove sta andando l'EUR, il prezzo va su, giù, raccogliendo fermate, ma stiamo andando su. Perché in questa "palude" piatta abbiamo suggerito "dallo stivale sporgente con le cose" :))) Con un'ottima probabilità (92% circa per le coppie principali) la tendenza è al rialzo. E quando la "jeep", cioè la tendenza inizia a mostrarsi dalla palude, è troppo tardi, solo i ciechi e i molto sciocchi non capirebbero, è già tempo di uscire con profitto.