L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2729
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
Il significato non sta nei criteri, ma nel modo in cui vengono utilizzati. Il vostro modo di usarli non è affatto chiaro: cosa confrontate con cosa e a quale scopo).
Ok, visto che fai il furbo, non sei disposto a pensare in questa direzione. Non mi dilungherò.
Ok, se sei intelligente, allora non vuoi pensare in questa direzione. Non mi disturberò.
Alexei, impara a formulare i tuoi pensieri, se vuoi davvero essere capito...
Alexei, impara a formulare i tuoi pensieri se vuoi essere compreso.
E dove hai perso il mio filo del discorso?
I miei pensieri sono formulati - capisco di cosa sto parlando, se qualcuno non capisce - chieda. Forse devi imparare a capire meglio l'essenza, senza aggrapparti ai termini....
Ok, se sei intelligente, allora non vuoi pensare in questa direzione. Non mi disturberò.
O non sei in grado di formulare un'idea o non vuoi condividerla. In entrambi i casi non ha senso sviluppare ulteriormente l'argomento e facciamo a meno di andare sul personale.
Pensate che il criterio non abbia senso? Prendiamo dieci campioni di dimensioni diverse e confrontiamoli - scegliamo quello con i punteggi migliori su diversi indicatori che sono responsabili della somiglianza/similarità/omogeneità dei campioni.
O non riuscite a formulare un'idea o non volete condividerla. In entrambi i casi non ha senso sviluppare ulteriormente l'argomento e facciamo a meno di andare sul personale.
Non ho forse scritto che l'idea è quella di confrontare i campioni (di allenamento e di applicazione), che se la tua teoria è corretta, il campione cesserà di essere simile man mano che aumenta, e che per capire questo hai bisogno di criteri per valutare il suo cambiamento, che derivano dai metodi di valutazione della somiglianza?
Inoltre, ho parlato di suddividere l'intero campione in sezioni in base a qualche caratteristica di tendenza comparabile, e di classificare all'interno di questi gruppi. E tale classificazione può essere fatta con criteri di "somiglianza" dei campioni.
Non sto andando sul personale - vedo lo stile della risposta, e sono solo perplesso - cosa stanno facendo le persone qui - vogliono mostrare la loro unicità? Sono interessato a trovare modi per risolvere il problema, sono interessato a utilizzare le conoscenze degli altri e a condividere le mie.
Prelevare e mescolare campioni, ottenere diverse stime... triste
Si può mescolare solo all'interno di un campione, se si mescolano due campioni, significa negare che il mercato sta cambiando.
Prelevare e mescolare campioni, ottenere diverse stime... triste
Non mi piace molto quello che tu e Alexey avete in comune nei vostri ragionamenti: li avete fatti nel contesto di un modello specifico e studiando il suo comportamento quando il campione di allenamento cambia. Idealmente, vorrei essere indipendente da un particolare modello quando seleziono il campione di addestramento - ecco perché per ora ho deciso di usare i vertici a zig-zag. Ma probabilmente avete ragione entrambi e la completa indipendenza dal tipo di TC è difficilmente possibile.
Non ho forse scritto che l'idea di confrontare i campioni (di addestramento e di applicazione) è che, se la vostra teoria è corretta, il campione cesserà di essere simile man mano che aumenta, e per rendersene conto avete bisogno di criteri per valutare il suo cambiamento, che derivano dai metodi di valutazione della somiglianza?
Qui si parla apparentemente di campioni multivariati (ogni elemento è una riga di una tabella, un vettore), mentre i criteri di omogeneità nei vostri tre link riguardano campioni numerici. I criteri di omogeneità multivariata in matstat sono un brano a parte e non mi sono del tutto chiari.
Inoltre, stavo parlando di suddividere l'intero campione in sezioni in base a qualche caratteristica di tendenza comparabile, e di classificare all'interno di questi gruppi. E tale classificazione può essere fatta anche in base ai criteri di "somiglianza" dei campioni.
È un compito simile a quello della ricerca di molti punti di cambiamento. Anche in questo caso si scopre che dobbiamo lavorare con un caso multidimensionale (vettore), il che complica molto la questione.
In generale, non mi piace la dipendenza dagli attributi scelti per lo studio. Se prendiamo set diversi di attributi, i risultati possono essere diversi.