Previsione di mercato basata su indicatori macroeconomici - pagina 44
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 pensavo che sarebbe finita con la banale vendita di libri, così avrebbe detto)))) Scusa)))) esilarante...
Dividerei tutta la matematica economica moderna in due parti
...
Differenze apparentemente sottili hanno conseguenze molto gravi.
...
Entrambi usano l'estrapolazione dei dati in quanto tali. Se si scambia il carro con il cavallo, rimane un carro con un cavallo - un'estrapolazione. Non importa se stiamo inizialmente cercando i fattori che influenzano un cambiamento nel futuro, o se stiamo confrontando il cambiamento che ha avuto luogo con quei fattori - il risultato è lo stesso, un modello che pensiamo dovrebbe prevedere il futuro, sulla base dei dati del passato.
Personalmente, dividerei tutti gli approcci di trading in altri due gruppi:
Con il primo gruppo tutto è più o meno chiaro. Si tratta di infinite combinazioni di predittori con pesi diversi per cercare di spiegare la variabile che presumibilmente dipende da loro - il prezzo. Il secondo gruppo lavora in modo diverso. Si basa sull'identificazione delle proprietà specifiche del processo, seguita dallo sfruttamento di queste proprietà. Per esempio, se il modello è in grado di identificare un forte ritorno di processo, trova semplicemente i mercati con tale caratteristica e inizia a fare trading "al pullback del livello". Allo stesso tempo, le regole specifiche per l'identificazione di questo "livello" magico o tecniche di trading specifiche non sono molto importanti. L'importante è che il processo abbia davvero questa caratteristica e non la cambi nel tempo. Allo stesso tempo, il risultato di ogni particolare entrata nel mercato non è affatto importante, perché non si sa nulla delle previsioni per un certo commercio. Ciò che è importante è la statistica finale, che dipende dalle proprietà del processo.
Sia il primo che il secondo usano l'estrapolazione dei dati in quanto tali.
Qui si sta semplicemente perdendo il punto. Non c'è estrapolazione in quanto tale nei modelli di classificazione dell'apprendimento automatico.
Per esempio, le foreste.
Gli alberi sono costruiti su un campione di allenamento, di solito per un campione di oltre 3000 barre si ottengono più di 100 alberi - una foresta di alberi. Ogni albero è un modello in termini di AT.
All'arrivo della barra successiva, la combinazione di predittori corrispondente a quest'ultima barra viene cercata tra gli alberi. Può essere il 1° albero, il 50° o l'ultimo - quello che si adatta meglio. Dov'è l'estrapolazione qui?
Si basa sull'identificazione delle proprietà specifiche del processo, seguita dallo sfruttamento di queste proprietà
È una grande idea se puoi generare un campione di allenamento. Tutto il problema è l'insegnante. Altrimenti, con le manopole....
Qui siete semplicemente fuori strada. Non c'è estrapolazione in quanto tale nei modelli di classificazione dell'apprendimento automatico.
Per esempio, le foreste.
Gli alberi sono costruiti su un campione di allenamento, di solito per un campione di più di 3000 barre si ottengono più di 100 alberi - una foresta di alberi. Ogni albero è un modello in termini di AT.
All'arrivo della barra successiva, la combinazione di predittori corrispondente a quest'ultima barra viene cercata tra gli alberi. Può essere il 1° albero, il 50° o l'ultimo - quello che si adatta meglio. Dov'è l'estrapolazione qui?
Si basa sull'identificazione delle proprietà specifiche del processo, seguita dallo sfruttamento di queste proprietà
È una grande idea se puoi generare un campione di allenamento. Tutto il problema è l'insegnante. Altrimenti, con le manopole....
Perché usare le mani, Kohonen classifica perfettamente, basta presentarlodi nuovo con Kohonen Maps
Non capisco il valore pratico nel commercio dei metodi di classificazione senza un insegnante. Trattiamo cose molto specifiche: long e short, breakout e rimbalzo di un livello...
E qui? C'è la PCA, riformatta i predittori e il nuovo set ha una serie di caratteristiche molto interessanti, e qui?
Non capisco il valore pratico nel commercio dei metodi di classificazione senza un insegnante. Trattiamo cose molto specifiche: long e short, breakout e rimbalzo di un livello...
E qui? C'è la PCA, quindi riformatta i predittori e il nuovo set ha una serie di caratteristiche molto interessanti, ma qui?
Non capisco il valore pratico nel commercio dei metodi di classificazione senza un insegnante. Trattiamo cose molto specifiche: long e short, breakout e rimbalzo di un livello...
E qui? C'è la PCA, quindi riformatta i predittori e il nuovo set ha una serie di caratteristiche molto interessanti, ma qui?
Cos'è l'apprendimento senza un insegnante - la selezione automatica dei modelli. Avere dei modelli - troviamo dei punti sulla mappa dove "certe cose si accumulano: long-short, breakout-bounce...", e poi aspettiamo i segnali online per attivare questi punti.
Se non c'è un insegnante, il significato dei modelli non è chiaro.
Cos'è un insegnante?
Un pezzo di quoziente corrisponde ai lunghi, e questo pezzo di quoziente corrisponde ai corti. Quando il modello viene insegnato, gli insiemi di valori predittori sono divisi in due classi corrispondenti all'insegnante.
E senza insegnante? Qual è il significato dei modelli?
E senza insegnante? Qual è il significato dei modelli?