L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1228
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
poi ci saranno pochi esempi, e su nuovi dati ns diventerà cieco perso, ha bisogno di "vedere" nella sua vita il più possibile
come opzione ....
1) Creare il "trade ideale" con trade marcati, trade+commission, l'opzione più redditizia che può essere... Otterremo qualcosa come uno zigzag con accordi su top e troughs...
2) Formare le azioni di questo commercio ideale
3) Insegnare il modello. Lo scopo della formazione - per raggiungere la massima correlazione (azioni commerciali del modello + commissione) con (azioni idealizzate), la qualità del modello può essere espressa da un numerico, kf correlazione
In questo modo, il modello sarà in grado di adattarsi ai dati nel modo più fluido e preciso possibile
E naturalmente non dobbiamo dimenticare gli OOS nella formazione
ps. Tutto quello che ho scritto è pura teoria.
come opzione ....
1) Creare un "trade ideale" con trade marcati, trade+commissione, l'opzione più redditizia che puoi avere... Sarà come uno zigzag con trade su top e bottom...
2) Formare le azioni di questo commercio ideale
3) Insegnare il modello. Lo scopo della formazione - per raggiungere la massima correlazione (azioni commerciali del modello + commissione) con (azioni idealizzate), la qualità del modello può essere espressa da un numerico, kf correlazione
In questo modo, il modello sarà in grado di adattarsi ai dati nel modo più fluido e preciso possibile
E naturalmente non dobbiamo dimenticare l'OOS nella formazione
ps. Tutto quello che ho scritto è pura teoria.
Essenzialmente si fa così, ma si può variare il grado di "equità ideale", perché più ideale è, più sovrallenamento
errore sul vassoio: 0, sull'oos: 0,4.
Un trade "ideale", incluso l'OOS (all'interno), mostra trade in perdita solo del 15%, che corrisponde alla quantità di OOS (qui - 20%). Non è difficile indovinare cosa succederà sui nuovi dati
Questo è essenzialmente quello che si fa, ma si può variare il grado di "equità perfetta", perché più perfetta è, più sovrallenamento
errore sul vassoio: 0, su AOS: 0,4.
Un trade "ideale", incluso l'OOS (all'interno), mostra trade in perdita solo del 15%, che corrisponde alla quantità di OOS (qui - 20%). Non è difficile indovinare cosa succederà con i nuovi dati
il problema è nella modificabilità delle proprietà dei predittori probabilmente, non vedo altre varianti (
allora il problema è la variabilità delle proprietà dei predittori probabilmente, non vedo altre opzioni(
variabilità rispetto agli obiettivi
Volevo dimostrare con questo che addestrare input "perfetti" è un approccio sbagliato, inoltre assegnare a tutti gli output le stesse probabilità
variabilità in relazione all'obiettivo
Volevo mostrare che addestrare input "ideali" è un approccio sbagliato, soprattutto per assegnare a tutti gli output le stesse probabilità
L'inizio di oos sembra a posto...
Avete provato a riqualificare ogni n barre?
L'inizio dell'oos sembra a posto...
Non ha cercato di riqualificare completamente ogni n bar
è solo un esempio, ci sono modi per appianare la differenza, non molto efficienti, ma ci sono
Cosa stai cercando non è l'inizio )) ho già salvato gli screenshot di circa lo stesso fronte e retro
interessato all'argomento di studio che ho descritto in precedenza. ma dal momento che nessuno ha fatto me stesso farà
Questo è solo un esempio, ci sono modi per appianare la differenza, non molto efficaci ma ci sono
Che cosa stai cercando non è l'inizio )) già ha gettato screenshot dove circa la stessa parte anteriore e posteriore
Sono interessato a ricercare l'argomento che ho descritto prima. ma dato che nessuno l'ha fatto, lo farò io stesso
per me sarà lo stesso che con la probabilità di vincere/perdere, si può imparare qualcosa ma con nuovi dati sarà vicino alla casualità
sarà lo stesso della probabilità di vincere/perdere, può imparare qualcosa, ma sui nuovi dati sarà vicino alla casualità
Vediamo, non riesco a immaginare questo processo nella mia mente
Vedremo, non riesco a immaginare questo processo nella mia mente.
ma provare con la riqualificazione costante, è più promettente imho
ma provare con la riqualificazione costante, è più promettente imho
Pensi che non l'abbia provato? L'ottimizzatore virtuale è stato a lungo disponibile in 2 varianti: riqualificazione completa e correzione bayesiana.
Sono tutte sciocchezze, finché non le proverete non le capirete. Funzionerà solo quando il problema principale sarà risolto
perché ho controllato su tutte le funzioni della matrice, l'equità è alle stelle quasi ovunque
reti neurali x...ti, stop precoci, stop tardivi, bugging x...i, ensemble x..., crossvalidations