L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2728
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
Credo che fxsaber abbia scritto che i problemi iniziano con alcuni grandi fatturati. Forse i vostri TC sono stati vittime di una popolarità troppo elevata presso i copywriter).
alla scelta degli intervalli di addestramento (ottimizzazione)
possiamo partire dal classico modello Random-Walk, dal quale non ci siamo allontanati molto e nel quale le deviazioni sono ~2*sqrt(T). (due sono i resti delle tendenze).
È notevole in quanto
(a) è scalabile (esattamente le stesse parabole, le stesse linee come nella schermata rimarranno quando si passa ai TF e ai tick inferiori),
(b) confronteremo i risultati direttamente e direttamente con esso comunque
(c) ha intervalli caratteristici. Lo stesso fuoco della stessa parabola.
questi sono gli intervalli su cui orientarsi.
Tecnicamente è abbastanza risolvibile, credo. Il problema è come interpretare i risultati di un tale esperimento.
Matstat ha molti test per verificare l'omogeneità dei campioni, ad esempio. Se ho capito bene la vostra terminologia, ovviamente.
E cosa c'è di sbagliato in questi criteri?
Ho salvato ma non implementato link1, link2, link3.
E cosa c'è di sbagliato in questi criteri?
Ho mantenuto ma non implementato ref1, ref2, ref3.
I criteri sono abbastanza buoni. A questi si può aggiungere il test di Kolmogorov-Smirnov, il più popolare.
Si tratta dei principi di formazione di campioni comparabili, che non hanno nulla a che fare con i criteri stessi.
I criteri sono abbastanza buoni. Possiamo aggiungere il test di Kolmogorov-Smirnov come il più popolare.
Si tratta dei principi di formazione di campioni comparabili, che non hanno nulla a che fare con i criteri stessi.
In che modo è irrilevante? Se i criteri cambiano con la dimensione del campione, allora il campione deve essere forzato a rispettare i criteri necessari. Non capisco una cosa...
alla selezione degli intervalli di addestramento (ottimizzazione)
possiamo partire dal classico modello Random-Walk, dal quale non ci siamo allontanati molto e nel quale le deviazioni sono ~2*sqrt(T). (due è il residuo delle tendenze)
È notevole in quanto
(a) è scalabile (esattamente le stesse parabole, le stesse linee della schermata rimarranno quando si passa ai TF e ai tick inferiori),
(b) confronteremo i risultati direttamente e direttamente con esso comunque
(c) ha intervalli caratteristici. Lo stesso trucco della stessa parabola
questi sono gli intervalli su cui orientarsi.
Per qualsiasi punto possiamo specificare il valore di d, in corrispondenza del quale diventerà il focus) Non parlo nemmeno della dipendenza del focus dal rapporto tra le scale di prezzo e di tempo).
Come può essere irrilevante? Se i criteri cambiano con la dimensione del campione, allora il campione deve essere caricato nei criteri giusti. Non capisco.
Un criterio è fondamentalmente solo una formula in cui si inseriscono i campioni a cui si è interessati per confrontarli. Siete voi a decidere quali campioni confrontare, non il criterio.
Per qualsiasi punto è possibile specificare il valore di d, in corrispondenza del quale esso diventa il fuoco) Sulla dipendenza del fuoco dal rapporto di scala in termini di prezzo e di tempo non tergiverso nemmeno)
è una questione di metrica, quanti minuti (ticks) corrispondono a 1 punto, cosa considerare come angolo pi/4 e perché; ma in questo modo si può scivolare verso il non amato da TC Ghana :-)
e così - tutte le valute corrispondono esattamente alla legge deviazione=2*sqrt(T). Il che non è sorprendente
Un criterio è essenzialmente solo una formula in cui è necessario sostituire i campioni di interesse per confrontarli. Siete voi a decidere quali campioni confrontare, non il criterio.
Non credete che il criterio abbia senso? Prendete dieci campioni di dimensioni diverse e confrontateli: scegliete quello con la migliore performance su diversi indicatori che sono responsabili della somiglianza/similarità/omogeneità dei campioni.
Pensate che il criterio non abbia senso? Prendiamo dieci campioni di dimensioni diverse e li confrontiamo: scegliamo quello con la migliore performance su diversi indicatori responsabili della somiglianza/similarità/omogeneità dei campioni.
Il significato non sta nei criteri, ma nel modo in cui vengono utilizzati. Il vostro modo di usarli non è affatto chiaro: cosa state confrontando con cosa e a quale scopo).