L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2742
![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
Credo di aver visto qualche accenno a un'applicazione per l'analisi della sopravvivenza.
Non l'ho fatto personalmente, ma una volta ho posto una domanda simile. Questo approccio mi sembra promettente, ma proviene da un ambito completamente diverso.
Dice classDist {caret}, cioè specifica una funzione particolare che fa parte del PACKAGE caret
Da quello che ho capito, non conoscete R. Allora perché stai perdendo tempo su questo thread e su MO in generale?
Senza la padronanza di R, la discussione sul MO non ha senso.
Ho taciuto sull'entropia solo perché l'entropia incrociata è una funzione di perdita standard per i modelli di classificazione.... Il MO non è implementato solo in R! (conoscere una libreria e non conoscere la natura delle entità su cui opera - si va senza capire la direzione del proprio movimento).
alla domanda ancora più difficile - perché vi dissociate categoricamente dalla statistica, quando dichiarate di parlare di"teoria dell'informazione"?... mentre è stata creata esattamente come una
Il campo si trova all'intersezione tra matematica , statistica , informatica , fisica , neurobiologia , ingegneria dell'informazione ed elettrotecnica.
Ancora una volta questo ottuso portavoce richiama tutti alla verità, ma non ha ancora deciso quale
Non leggete i post provocatori dell'utente JeeyCi (il suo post #27409 è una provocazione e una richiesta di "continuare il banchetto").
Ieri ho cancellato diversi post con parolacce e cafonate con attacchi personali, guidato da questo - ho cancellato i post di JeeyCi .
Forum sul trading, sui sistemi di trading automatizzati e sulla verifica delle strategie di trading.
L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading
MetaQuotes, 2022.08.31 15:14
La continuazione delle personalità porterà a divieti settimanali.
Ho fatto due avvertimenti nel thread, sono stati ignorati, e poi ho cancellato diversi post con parolacce.
L'unico post letterario (che fosse leggibile) è stato il tuo post - questo (che ha dato il via a tutto ieri):
Forum sul trading, sui sistemi di trading automatizzati e sul test delle strategie di trading
...
Maxim Dmitrievsky, 2022.09.10 12:15
Esistono selezioni basate su modelli, agnostiche e miste. Se si prende il modello agnostico, si tratta di correlazione e informazione reciproca (basata sull'entropia). Quest'ultima si differenzia dalla prima per la sua capacità di catturare le dipendenze non lineari, per il resto è la stessa cosa. In questo caso è difficile parlare di una relazione tra caratteristica e obiettivo, addirittura impossibile. È solo una correlazione. Ma è utile per eliminare le caratteristiche non informative.Sì, ogni tanto cancello le parolacce, soprattutto se durano mezza giornata e due pagine di testo per esempio (come ieri).
----------------
Questo thread è molto popolare (viene letto anche sul forum di lingua inglese ed è considerato il thread chiave su questo argomento).
Quindi per favore - meno parolacce.
Se si analizzano i TS dei trader più o meno di successo, si noterà che tutti fanno trading sui livelli.
Non ho visto un solo trader di successo che operi con l'aiuto di indicatori.
Un livello è un punto di ingresso chiaro e comprensibile con un chiaro stop....
Se riuscite a fare trading con un basso rischio, non avete bisogno di nient'altro, un basso rischio per trade/un'entrata precisa è la cosa più importante!
Con l'aiuto del MO si possono cercare i livelli di PD/SP e le entrate esatte, non è banale, non è semplice, non si può leggere nei blog sul MO, qui è necessario usare la propria testa....
Ecco un esempio su un campione generato casualmente di 5 tratti e 1 obiettivo binario
selettore forrest e fiche
La coda dei task è stata scaricata un po' - è diventato possibile eseguire lo script. Lo eseguo e ottengo un errore.
Ho capito bene che il programma vuole una vecchia versione di R 4.0?
Beh, ho cercato una vecchia versione ma non l'ho trovata. Una terribile incompatibilità è ovviamente ripugnante.
La coda di attività è stata scaricata un po' - è diventato possibile eseguire lo script. Lo eseguo e ottengo un errore.
Ho capito bene che il programma vuole la vecchia versione R 4.0?
Io ho R-3.6.3.
Lo sto scrivendo sulla vecchia R-3.6.3 per motivi miei, quindi è un problema mio...
Non potevo immaginare che il pacchetto fosse stato rimosso da tap....
Ho capito bene che il programma vuole la vecchia versione di R 4.0?
correttamente
Beh, in generale ho cercato la vecchia versione e non l'ho trovata. Terribile incompatibilità è ripugnante, naturalmente.
Ascolta, forse non si può andare in commercio, con un tale smikalka??? ))
Con la compatibilità lì tutto va bene, python, per esempio, solo invidiare tale compatibilità....
Vedi anche
https://stackoverflow.com/questions/62541885/package-randomforest-is-not-available-for-r-version-4-0-2
Provatelo sulla versione attuale
Per riassumere la teoria di Sanych (dato che lui stesso non è riuscito a formalizzarla correttamente e a fornire esempi):
Con tutto il rispetto, ma questa non è una sintesi (non è un riassunto o una sintesi). È pieno di atteggiamenti personali e attacchi infondati.
Si potrebbe pensare che qualcuno abbia una teoria valida in cui "un modello addestrato dovrebbe funzionare su nuovi dati" :-) e convalidata...sì.
con tutto il rispetto, ma questa non è una sintesi (non è un riassunto o una sintesi). Si tratta di un atteggiamento personale e di attacchi infondati.
Si potrebbe pensare che qualcuno abbia una teoria valida in cui "un modello addestrato dovrebbe funzionare su nuovi dati" :-) e validata...sì.
La potenza non è sufficiente per raggiungere il livello EA. Ma il risultato dell'errore di adattamento del modello: dall'8% al 22% è un errore di adattamento che differisce di poco nella sezione di adattamento e fuori dal campione.