L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3010
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
Purtroppo nessuno l'ha trovato, altrimenti sarei su isole tropicali invece che qui))))
Sì. Anche 1 albero o una regressione possono trovare un modello se c'è e non cambia.
Facile. Posso decongestionare decine di set di dati. Sto esplorando ora TP=50 e SL=500. C'è una media del 10% di errore nel markup dell'insegnante. Se c'è il 20%, sarà un modello di prugna.
Quindi non è l'errore di classificazione il punto, ma il risultato della somma di tutti i profitti e le perdite.
Come si può vedere, il modello top ha un errore del 9,1%, e si può guadagnare qualcosa con un errore dell'8,3%.
I grafici mostrano solo gli OOS, ottenuti da Walking Forward con riqualificazione una volta alla settimana, per un totale di 264 riqualificazioni in 5 anni.
È interessante che il modello abbia funzionato a 0 con un errore di classificazione del 9,1%, e 50/500 = 0,1, cioè il 10% dovrebbe essere. Si scopre che l'1% ha mangiato lo spread (minimo per barra, quello reale sarà più grande).
Il test è stato effettuato con i volumi reali del CME per EURUSD: volume cumulativo, delta, divergenza e convergenza per 100 barre. In totale 400 colonne + altre 5 di qualche tipo.
Senza modificare le impostazioni del modello, ho eliminato 405 colonne con i dati CME (sono rimasti i delta dei prezzi e gli zigzag) per un totale di 115 colonne e ho ottenuto risultati leggermente migliori. In altre parole, si scopre che i volumi sono talvolta selezionati negli split, ma si rivelano essere rumore in OOS. E la formazione rallenta di 3,5 volte.
Per il confronto, ho lasciato i grafici con i volumi in alto e senza volumi in basso.
Speravo che i volumi con l'ECM avrebbero apportato ulteriori informazioni/regolarità che avrebbero migliorato l'apprendimento. Ma come si può vedere, i modelli senza volumi sono leggermente migliori, anche se i grafici sono molto simili.
Questo è stato il mio secondo approccio all'ECM (l'ho provato 3 anni fa) e ancora una volta non ha avuto successo.
Risulta che tutto viene preso in considerazione nel prezzo.
Qualcun altro ha provato ad aggiungere i volumi alla formazione? I risultati sono gli stessi? O hanno dato dei miglioramenti?
Il test è stato effettuato con i volumi reali del CME per EURUSD: volume cumulativo, delta, divergenza e convergenza per 100 barre. In totale 400 colonne + altre 5 di qualche tipo.
Senza modificare le impostazioni del modello, ho eliminato 405 colonne con i dati CME (sono rimasti i delta dei prezzi e gli zigzag) per un totale di 115 colonne e ho ottenuto risultati leggermente migliori. In altre parole, si scopre che i volumi sono talvolta selezionati negli split, ma si rivelano essere rumore in OOS. E la formazione rallenta di 3,5 volte.
Per il confronto, ho lasciato i grafici con i volumi sopra e senza volumi sotto.
Speravo che i volumi con l'ECM avrebbero apportato ulteriori informazioni/regolarità che avrebbero migliorato l'apprendimento. Ma come si può vedere, i modelli senza volumi sono leggermente migliori, anche se i grafici sono molto simili.
Questo è stato il mio secondo approccio all'ECM (l'ho provato 3 anni fa) e ancora una volta non ha avuto successo.
Risulta che tutto viene preso in considerazione nel prezzo.
Qualcun altro ha provato ad aggiungere i volumi alla formazione? I risultati sono gli stessi? O hanno dato dei miglioramenti?
Avete provato il nostro mercato, sembra essere meno efficiente?
Oppure con i futures sui cereali, forse ci sono dei cicli stagionali.
Avete provato il nostro mercato, è meno efficiente, vero?
Si sperava che i volumi con le PMI contenessero informazioni aggiuntive/legalità che avrebbero migliorato la curva di apprendimento. Ma come potete vedere, i modelli senza volumi sono leggermente migliori...
quale modello si può ottenere?
Il test è stato effettuato con i volumi reali del CME per EURUSD: volume cumulativo, delta, divergenza e convergenza per 100 barre. In totale 400 colonne + altre 5 di qualche tipo.
Senza modificare le impostazioni del modello, ho eliminato 405 colonne con i dati CME (sono rimasti i delta dei prezzi e gli zigzag) per un totale di 115 colonne e ho ottenuto risultati leggermente migliori. In altre parole, si scopre che i volumi sono talvolta selezionati negli split, ma si rivelano essere rumore in OOS. E la formazione rallenta di 3,5 volte.
Per il confronto, ho lasciato i grafici con i volumi sopra e senza volumi sotto.
Speravo che i volumi con l'ECM avrebbero apportato ulteriori informazioni/regolarità che avrebbero migliorato l'apprendimento. Ma come si può vedere, i modelli senza volumi sono leggermente migliori, anche se i grafici sono molto simili.
Questo è stato il mio secondo approccio all'ECM (l'ho provato 3 anni fa) e ancora una volta non ha avuto successo.
Risulta che tutto viene preso in considerazione nel prezzo.
Qualcun altro ha provato ad aggiungere i volumi alla formazione? I risultati sono gli stessi? O hanno dato dei miglioramenti?
Hai completamente frainteso il mio post: non esiste una "speranza", o c'è una stima numerica della fitness del tratto o non c'è. E c'è una stima numerica dell'idoneità del tratto nel futuro.
Un insegnante è un insieme di tratti ed etichette, non quello che hai scritto tu :) o meglio, è una persona in generale, o un algoritmo che genera quei dati 😀
Vedo che hai un desiderio irrefrenabile di sputare nella mia direzione, ma devi conservare la tua saliva, o solo segnare?
Per prima cosa bisogna rendersi conto che il modello è pieno di rifiuti all'interno...
Se si scompone un modello di legno addestrato nelle regole interne e nelle statistiche relative a tali regole.
come:
e analizzare la dipendenza dell' errore di una regola dalla frequenza della sua presenza nel campione
otteniamo
Allora siamo interessati a questa regione
dove le regole funzionano molto bene, ma sono così rare che ha senso dubitare dell'autenticità delle statistiche su di esse, perché 10-30 osservazioni non sono statistiche.
Per me, questo è il modo di fare fit. Affinare le regole all'interno del modello significa affinare ciò che il modello ha "visto".
Vedo che avete un desiderio irrefrenabile di sputare nella mia direzione, ma dovreste conservare il vostro sputo, o solo per marcare?
È una reazione normale alle assurdità, sono le basi del Ministero della Difesa.
con un tale aplomb, come bla-bla, bla-bla, bla-bla, bla-bla.