L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2322
![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
Secondo me, per i nostri scopi l'articolo non è molto buono, l'ho scelto solo come illustrazione di un approccio che combina multifrattalità e stocasticità.
In parole povere, multifrattale = composto da molti frattali e lo spettro è la dimensione di questi frattali di base. Ma possiamo giocare con la nozione di "spettro" e trovare qualcosa di adatto a noi - per esempio, una funzione che mostra il grado di differenza da SB a diverse scale.
La scala dà una gamma più grande più piccola, lo spettro, o un altro metodo di rilevamento del non-SSB mostrerà ancora ciò che mostra, ma non lo collegherà alle cause del non-SSB in alcun modo. In generale l'accesso al controllo di qualsiasi cosa e l'elaborazione di questi dati darà probabilmente alcune possibilità. Ma non entreranno nel cervello di tutti)))
La scala dà una gamma inferiore più grande, lo spettro, o altro metodo di rilevamento del non-SSB mostrerà ancora ciò che mostra, ma non lo collegherà in alcun modo alle cause del non-SSB. In generale, l'accesso al controllo di qualsiasi cosa e l'elaborazione di questi dati darà probabilmente alcune possibilità. MA non entrerà nel cervello di tutti)))
Non ci fanno entrare nei server delle società di brokeraggio e degli ECN) Devono inventare tutto da soli).
https://www.mql5.com/ru/forum/325441/page15#comment_20589051
cioè scrivere e fare il debug di un bot non dovrebbe essere un problema
Buon articolo. L'approccio non è ben coperto, solo risultati e mezzi accenni su come si fa, ma i risultati sono impressionanti.
Buon articolo. L'approccio non è ben divulgato, solo i risultati e i mezzi accenni a come è fatto, ma i risultati sono impressionanti.
Non mi sono addentrato, ma sembra che per mezzo di qualche algoritmo si faccia un gran numero di possibili estensioni della serie, tra le quali viene scelta quella che per metriche date si adatta meglio alla serie originale. Vedo il problema nell'ambiguità del risultato di tale "previsione":
1) Se vengono date diverse metriche, ci sarà una "previsione" diversa per ciascuna di esse. Se si fa una metrica di compromesso su diverse, la "previsione" dipenderà dal suo particolare dispositivo.
2) La "previsione" dipenderà molto dall'algoritmo di costruzione di un insieme di possibili estensioni della serie.
L'idea di allontanarsi dai modelli parametrici è comprensibile e attraente, ma non viene attuata qui (spero sia chiaro il perché).
Non mi sono addentrato, ma sembra che per mezzo di qualche algoritmo si fanno un gran numero di possibili estensioni di serie, e poi si sceglie quella che meglio si adatta alla serie iniziale secondo la metrica data. Vedo il problema nell'ambiguità del risultato di tale "previsione":
1) Se vengono date diverse metriche, ci sarà una "previsione" diversa per ciascuna di esse. Se si fa una metrica di compromesso su diverse, la "previsione" dipenderà dal suo particolare dispositivo.
2) La "previsione" dipenderà molto dall'algoritmo di costruzione di un insieme di possibili estensioni della serie.
L'idea di allontanarsi dai modelli parametrici è comprensibile e attraente, ma non viene attuata qui (spero sia chiaro il perché).
Da quanto ho capito, gli autori non rivelano molto dell'algoritmo stesso, e se la cavano con massime come:
Pertanto, il metodo GenericPred utilizza due regole di base:
R1: Cercare sempre di mantenere il valore di una misura non lineare il più stabile possibile durante la previsione(Fig. 3).
R2: Il nuovo valore deve essere scelto da un insieme di valori potenziali generati da una distribuzione di probabilità.
La previsione deve essere perseguita un passo alla volta perché il valore previsto nel passo corrente è necessario per determinare l'intervallo di cambiamento valido per il passo successivo.
Per quanto posso indovinare, all'inizio viene selezionata una qualche componente lineare logistica, e poi ad ogni passo viene modellata la componente non lineare, il criterio principale è la stabilità di un certo insieme di caratteristiche stocastiche della serie. In generale è vago, ma il risultato è impressionante.
Secondo me l'approccio è in qualche modo simile a quello usato nel pacchetto "profeta" in R.
Vedo che c'è interesse per questo argomento...
Per quanto mi ricordo c'è stato un tentativo di implementare questo algoritmo su R, ma gli articoli non sono più aperti, almeno per me, prova
Vedo che c'è interesse per questo argomento...
Per quanto mi ricordo c'è stato un tentativo di implementare questo algoritmo su R, ma gli articoli non sono più aperti, almeno per me, prova
C'è un grande sito che archivia quasi tutto internet.
Ecco le copie del primo dei vostri articoli
https://web.archive.org/web/20160701000000*/https://mechanicalforex.com/2016/03/using-r-in-trading-time-series-forecasting-using-chaos-part-1.html