Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 369
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
A propósito, verifiquei a correlação com períodos de 10 a 60 (6 peças) no gráfico EURUSD M1, em direcção à saída (não tenho um ziguezague, mas algo próximo).
-0.00,0.01,0.00,0.01,0.01,-0.01
A correlação é de -0,01 a 0,01, ou seja, não há correlação alguma.
No entanto, o seu Expert Advisor mostra lucro. Você tem que colocar manualmente negociações olhando para a trendlinearre e inventando algumas regras baseadas em movimentos de gráficos. Eu acredito que é muito mais fácil escrever um Expert Advisor comum que irá trabalhar por estas regras.
Bem, agora na saída alimentam os incrementos da mesma regressão de acordo com certas regras, com um offset, ou várias regressões (várias saídas)... e a correlação será normal. E introduz mais regressões com períodos diferentes. O MLP vai construir um modelo de regressão fixe dentro de si mesmo, como o garch, e tudo vai ficar bem :) Mas em geral, você precisa de uma rede neural mais avançada, a LSTM, por exemplo.
o meu mostra lucros porque é executado através de otimizador, é sujo resultados :) você pode dizer que o ajuste, que não vai funcionar muito tempo no futuro (bem períodos vai)
Afinal, no gráfico, além dos pontos obtidos pelo ziguezague (ou outro método), há dezenas de momentos/barras em que as negociações serão rentáveis. Mas NS está tentando corrigir a negociação usando apenas esta variante de aprendizagem.
E o exemplo com o trendlinearreg mostra-o muito bem.
Parece-me que encontrar a marcação alvo certa é ainda mais problemático do que encontrar bons inputs.
Afinal, há dezenas de pontos/barras no gráfico, além dos pontos obtidos pelo ziguezague (ou outro método), quando as negociações serão lucrativas. Mas NS está tentando corrigir a negociação usando apenas esta variante de aprendizagem.
Isto é claramente visto no exemplo do trendlinearreg.
Portanto, os NS devem ser usados como parte de um sistema, um filtro ou um conjunto de diferentes NS
Todos os MOs são baseados no fato de que as variáveis de entrada devem estar correlacionadas com a variável de saída.
Caso contrário, não faz sentido em TODOS os modelos MO.
Você está seriamente enganado. A correlação é apenas LINEAR dependência, y = kx, mesmo um conjunto de dados XOR trivial dará correlação zero de características individuais com um alvo, no entanto para um classificador não linear facilmente solvível.
Três vezes eu li ISTO - é difícil entender estes restos....
E daí?
Posso fazer uma regressão múltipla na qual uma ou mais (parte de) variáveis de entrada terão uma correlação com a saída próxima de 0 e ainda assim o modelo dará uma alta precisão de previsão.
E daí?
Se você remover essas variáveis, a dimensionalidade do problema diminuirá e a precisão aumentará.
E daí?
Qual é o objetivo do seu posto?
A questão de descartar variáveis "desnecessárias" resolve o problema de reduzir a dimensionalidade do modelo.
Para a DM também aumenta a precisão da previsão do modelo.
Para NS em relação à precisão, eu não sei.
Leia ISTO três vezes - compreenda estes restos com dificuldade....
E daí?
Posso fazer uma regressão múltipla na qual uma ou mais (parte de) variáveis de entrada terão uma correlação com a variável de saída próxima de 0 e ainda assim o modelo dará uma alta precisão de previsão.
E daí?
Se você remover essas variáveis, a dimensionalidade do problema diminuirá, e a precisão aumentará.
E daí?
Qual é o objectivo do seu posto?
O QUE, O QUE... Oops! Nem pensar!...
Pare de verificar senhor, nós não estamos numa cave))))
Você disse que os chips devem se correlacionar com o alvo, aqueles que não estão correlacionados podem ser jogados fora, estou lhe dizendo que isso não é verdade, pegue XOR e verifique, não haverá correlação e os chips são importantes porque a relação NÃO é LINEAR, isso é tudo, a correlação só captura a componente linear da relação.
o quê, o quê... Oops! Nem pensar!...
Pare de verificar senhor, nós não estamos numa cave))))
Você disse que os chips devem se correlacionar com o alvo, aqueles que não se correlacionam podem ser descartados, estou lhe dizendo que isso não é verdade, pegue XOR e verifique, não haverá correlação e os chips são importantes porque a relação NÃO é LINEAR, isso é tudo, a correlação só captura a componente linear da relação.
Dê-me um exemplo onde a correlação linear é 0 e a dependência não-linear é forte.
Dê-me um exemplo onde a correlação linear seria 0 e a relação não-linear seria forte.
Eu disse conjunto de dados XOR
Eu disse conjunto de dados XOR
Você tem um exemplo?
Mostrar linhas de entrada e linhas de saída de dados - publicar