L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2744
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
genio)) scriviamo qualsiasi sciocchezza, e se qualcuno che pensa ti dà un pugno sul naso, gli dici - non capisci i modelli di discorso, ptuschestvo.
Cos'hai contro i ptushnik? Non sono persone? O il tuo ex viene da lì?
non capisci i giri di parole, non capisci quando è scritto per brevità, non capisci le definizioni, cioè niente.
stai solo telefonando fuori tema. Questo è il segno distintivo di un ptuschnik.
Nessuno ti accusa di questo, le persone sono diverse. Basta non andare dove si è stupidi, non farsi coinvolgere :DLasciatemi fare il ptushnik, date la colpa di tutto a me, e vi calmerete e più sulla questione come sarebbe meglio, con argomenti e se con battute, allora senza prese in giro infantili)))).
Dopo le spiegazioni di Sanych, ho smesso di capire un po' il significato dei predittori significativi. Secondo la sua spiegazione, sono frequenti e la loro entità è correlata al risultato. Ma questi sono apparentemente segni generali della serie, sull'intero periodo di formazione. Non riesco a trovare una corrispondenza con il modello della serie. Si scopre che si tratta di predittori che funzionano sempre, se abbastanza semplificati, o più spesso. In generale, è chiaro che l'utilizzo di impostazioni che funzionano più spesso darà un risultato più positivo rispetto all'utilizzo di impostazioni che funzionano solo su un determinato segmento...
Poiché non si forma un quadro, cosa alla fine viene cercato e perché.
Lasciatemi essere un PTU, dare la colpa di tutto a me, e si raffredda e più sul caso come sarebbe meglio, con gli argomenti e se e con le battute, poi senza prese in giro infantili))))
No... sei bravo).
Lasciatemi fare lo scolaretto, date la colpa di tutto a me, e voi vi calmerete e vi occuperete di più di affari come sarebbe meglio, con argomenti e se con battute, allora senza prese in giro infantili)))).
E c'è un problema di termini, una radice importante di incomprensione e di errori propri. Ho scritto come ho capito il suo messaggio. Ti ho mostrato dove era il punto debole.
No, sono rimasto perplesso dopo la sua spiegazione, la sua comprensione sembra essere in linea con quella di Sanych, ma ha completamente smesso di correlarsi con la mia.
Se, naturalmente, prendiamo lo stesso intervallo di tempo di un giorno, o di una settimana, beh, in generale, non l'intera serie, ma alcune sezioni che sono uguali e insegniamo su di esse, il quadro è abbastanza chiaro, ma come trovare queste sezioni identiche. Il modo più semplice è farlo per tempo, ad esempio dal 17 al 18... e in generale dovrebbe funzionare, ma nel caso di Sanych l'intera riga è apparsa senza cambiamenti, non è chiaro.
Non so che parole usare per farlo scendere 😀
Non rispondete.
Beh, a quanto pare hanno altri progetti, e questo è come un piccolo hobby, e può anche essere che in questo hobby reza non sia molto bravo.
No, sono rimasto perplesso dopo la sua spiegazione, la tua comprensione corrisponde più o meno a quella di Sanych, ma ha completamente smesso di essere correlata alla mia.
Se, naturalmente, prendiamo lo stesso intervallo di tempo di un giorno, o di una settimana, beh, in generale, non l'intera serie, ma alcune parti che sono uguali e insegniamo su di esso, il quadro è abbastanza chiaro, ma come trovare queste parti identiche. Il modo più semplice è farlo per tempo, ad esempio dal 17 al 18... e in generale dovrebbe funzionare, ma nel caso di Sanych l'intera riga è apparsa senza cambiamenti, non è chiaro.
Prende i segni e i target, misura la correlazione o l'entropia tra di essi in una finestra scorrevole con un determinato passo. Esamina la diffusione, la media e altre statistiche. Scarta i segni non corretti.
Poi, durante il processo di addestramento, inserisce nel modello segni diversi, cioè che cambiano nel tempo. Non so in base a quale principio vengano sostituiti, probabilmente in base ai risultati della divisione della storia in modalità.
Prende attributi e obiettivi, misura la correlazione o l'entropia tra di essi in una finestra scorrevole con un determinato passo. Esamina lo spread, la media e altre statistiche. Scarta i segnali negativi.
Poi, durante il processo di addestramento, sostituisce al modello segni diversi, cioè che cambiano nel tempo. Non so in base a quale principio vengano sostituiti, probabilmente in base ai risultati della divisione della storia in modalità.
Se le caratteristiche sono associate nel tempo ad altre caratteristiche, è più comprensibile. Ma non ha parlato dei tipi di segni)))))
Se i tratti sono stati associati nel tempo ad altri tratti, è più comprensibile in questo modo. Ma non ha parlato di tipi di tratti)))))
E se leggete attentamente, potete vedere l'imboscata al punto 2, cioè l'adattamento iniziale alla storia. Ecco perché il suo errore di apprendimento diminuisce
e i test statistici per i coefficienti di regressione a cosa servono? O a testare le ipotesi sull'uguaglianza di media e varianza? (se la PCA mostra ancora che la prima PC spiega una quota accettabile di varianza [la varianza residua è molto piccola] - allora la si accetta e si verifica la conferma della significatività dei coefficienti di regressione)....
idealmente -- è chiaro che per avere una probabilità del 100% dovremmo usare relazioni funzionali piuttosto che di correlazione -- ma se studiamo un processo stocastico, i risultati saranno solo probabilistici e confermabili solo su un gran numero di dati di prova e solo fino a quando non apparirà un nuovo Driver sul mercato.... [qui, tra l'altro, è molto importante anche la consapevolezza logica e fattuale, non solo l'analisi robusta].
L'adattamento alla storia è sempre presente, finché ci si basa sui dati storici..... ma possiamo sempre confrontare la varianza tramite la statistica F -- se la riduzione della varianza è molto più grande della varianza rimanente non spiegata, allora viene identificata una nuova regressione. (con dr SLOPE)... e funziona solo fino a un momento nel futuro e solo su grandi numeri... beh, o cambia lo stato dell'attore (se si usa DL)... ma l'autista sa bene che non deve aspettare... ma è meglio conoscere il driver che aspettare che il campione attuale venga raccolto per confermarlo.
L'ingegneria delle caratteristiche se si rende logica, come avete giustamente notato, "teoricamente" logica (sotto qualsiasi elaborazione statistica ci sono leggi logico-fisiche terrestri e la conoscenza umana, i modelli non cadono dal nulla) -- [ma qualcuno potrebbe essere ignorante] -- allora la FS nel processo di modellazione non disturberà molto né il modellatore né lo sviluppatore.... e non si può andare da nessuna parte senza la storia, per sapere cosa e quando è diventato un motore e cosa no - non è necessaria una grande intelligenza nella matematica superiore, ma solo la comprensione delle leggi del mercato del denaro e delle merci, dei settori privati e statali (e questo non è VM), altrimenti useremo l'apparato della matematica superiore applicata (VM) solo "dopo" per imparare che la notizia che ha cambiato il mondo è già stata sentita una volta ... è solo che la reazione del mercato, compreso il mercato, è di solito in ritardo.
p.s..
a chi le parole e le lettere sono sconosciute, non legga un argomento sconosciuto di lettere sconosciute, per non aggrapparsi alle lettere - cerchi una macchina VM per il suo FS.... se poi dimostrate anche la validità statistica dei vostri risultati, e non solo la % di hit-to-point (non sempre imparziale, tra l'altro)), allora le conversazioni saranno diverse.... Ma per ora, sì, ognuno ha la sua terminologia....