L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3376
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
Non capisco, le sequenze non possono essere in formato tabella?
La prima opzione, le tabelle - tabelle di Excel, in cui ogni riga ha un indicatore di tempo. La forma più familiare di dati finanziari.
La seconda opzione, lettere scritte a mano. Imparare con un insegnante, dove l'insegnante è una lettera stampata e la colonna sottostante è costituita da varianti di scrittura a mano di questa lettera.
Confronto tra il bousting e il NS. Quale è più adatto e per quale caso? O sono equivalenti?
PS.
Da Rattle, che ha rpart (albero semplice), rf, ada, SVM, glm, nnet (probabilmente il più semplice NS). Il risultato peggiore è con rpart, il secondo dalla fine è nnet, gli altri quattro sono più o meno uguali, dipende dai dati di input.
Domanda teorica.
Esiste una TS che si adatta splendidamente. Allo stesso tempo, si sa con precisione che un certo insieme di parametri di input sfrutta con profitto il modello reale. Cioè, questo insieme non si adatta.
È possibile trovare questo insieme?
Domanda teorica.
Esiste una TS che si adatta splendidamente. Allo stesso tempo, è noto che un certo insieme di parametri di input sfrutta con profitto il modello reale. Cioè, questo insieme non si adatta.
È possibile trovare questo insieme?
No, poiché non esistono modelli nei dati NON stazionari.
Domanda teorica.
Esiste una TS che si adatta splendidamente. Allo stesso tempo, è noto che un certo insieme di parametri di input sfrutta con profitto il modello reale. Cioè, questo insieme non si adatta.
È possibile trovare questo insieme?
Bene, l'avete trovato
Tu parli dei parametri di input del TC, io parlo della non stazionarietà dei dati di input. Se si lavora con la non stazionarietà, è possibile creare TC basati su modelli di Garch o nel quadro di MOE che continuano a lottare con la non stazionarietà. I parametri di input giocano un ruolo secondario.
Domanda teorica.
Esiste una TS che si adatta splendidamente. Allo stesso tempo, è noto che un certo insieme di parametri di input sfrutta con profitto il modello reale. Cioè, questo insieme non si adatta.
È possibile trovare questo insieme?
Domanda teorica.
Esiste una TS che si adatta splendidamente. Allo stesso tempo, è noto che un certo insieme di parametri di input sfrutta con profitto il modello reale. Cioè, questo insieme non si adatta.
È possibile trovare questo insieme?
Non è un adattamento a cosa e per quanto tempo? Mi imbarazza chiederlo :) probabilmente è più importante dimostrare che non è un adattamento a nulla.
La natura della curva di profitto non cambia in base all'OOS: Size(OOS_Left) = Size(OOS_Right) = Size(Sample). Tutto sommato, un risultato che non si può ignorare.