L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3027
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
Penso che basti generare un bot di verifica in una sola volta e controllare le regole necessarie attraverso un tester/ottimizzatore.
È meglio fare la selezione delle foglie in python, e il modello finale - beh, si può fare nel terminale. Ma dovrete trasferire le regole al terminale, il che non è così facile. Ecco perché è meglio fare tutto in python - anche se in un certo senso è meno accurato, ma il processo può essere visto dall'inizio alla fine. Questo è solo un esperimento per ora....
Perché mettere le regole in un booster?
L'ho scritto, un modo per aggregarle. Dare essenzialmente dei pesi e rimuovere le incongruenze. Identificare le istanze migliori.
Si potrebbe usare un semplice albero. Oppure si potrebbe aggregare e assegnare i pesi da soli. Ho provato tutti questi metodi.
Avete qualche altra idea?
È meglio selezionare le foglie in Python e il modello finale - beh, si può fare nel terminale. Ma dovrete trasferire le regole al terminale, il che non è così facile. Ecco perché è meglio fare tutto in Python - anche se in un certo senso è meno accurato, ma il processo può essere visto dall'inizio alla fine. Questo è solo un esperimento per ora....
Beh, spostare le regole non costa nulla.
selezione in python per metriche, forse farò un tester per loro.
Si possono fare molte cose. Attraverso i modelli di legno, attraverso i modelli lineari, attraverso i boustings.
+ il generatore di segni attraverso le riconciliazioni, uno dei più efficaci. Ma ci vorrà molto tempo per contare. È un analogo automatico della vostra quantizzazione.
Ho scritto - un modo per aggregarli. Attribuire pesi essenziali e rimuovere le incongruenze. Identificare le istanze migliori.
Si potrebbe usare un semplice albero. Oppure aggregare e distribuire i pesi da soli. Ho provato ad applicare tutti questi metodi.
Avete qualche altra idea?
Beh, spostare le regole non costa nulla.
Selezione Python per metriche, forse farò un tester per loro.
Si possono fare molte cose. Attraverso i modelli a legno, attraverso i modelli lineari, attraverso i rimbalzi.
+ generatore di caratteristiche attraverso le collazioni, una delle più efficienti. Ma ci vorrà molto tempo per contare. È un analogo automatico della vostra quantizzazione.
Cos'è la "collazione"?
Ecco come la Statistica per Regola risolve questo problema
Modello ad albero per rimuovere le incongruenze e rivelare le reciproche dipendenze non lineari. Non si tratta di utilizzare le foglie di un albero, ma di molti alberi diversi.
Modello ad albero per eliminare le contraddizioni e rivelare le reciproche dipendenze non lineari. Non si tratta di utilizzare le foglie di un singolo albero, ma di molti alberi diversi.
Queste regole sono solo attributi binari per il modello?
Esatto.
Che cos'è la "riconciliazione"?
convoluzioni, kernel convoluzionali.
trasformazione del kernel convoluzionale