Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 896
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
e deixa-me dizer-te, estes modelos funcionam exactamente como os da Reshetov no OOS. Exactamente o mesmo.
ou seja, no seu caso, NOTHING? vou dizer-lhe o mesmo, mais calmo paroquial do 3º ano.
ou seja, no seu caso, NOTHING? diga a mesma coisa, mais do que um paroquial do 3º ano.
Desta vez não Maximka, desta vez não....... O mágico acabou por ter razão. A qualidade dos dados aumentou em uma ordem de grandeza, daí a qualidade do modelo......
Os meus dois mágicos favoritos são amigos novamente. O que lhes espera)))
Não.... ele ainda não pediu desculpa.... embora ainda não haja nada para pedir desculpa....
Não, eu nunca o fiz.
Não entendo bem porque é necessário, porque, por exemplo, uma floresta já é um classificador ou aproximador universal, e não há nada para consertar à mão.
e árvores isoladas são algoritmos primitivos bastante fracos.
Uma árvore é mais como uma lógica clara, que é formada após a análise, e tudo o resto me parece um ajuste para mim até agora.
Eu estava interessado na árvore como uma ferramenta conveniente para levar em conta diferentes situações no mercado, ou seja, é conveniente usar um e o mesmo padrão sob diferentes condições e selecionar essas condições ativará ou não o padrão. É uma ferramenta muito legal para a formação de padrões complexos, que podem ser facilmente programados, mas não há um programa conveniente.
E se a árvore, dá um resultado em 90% dos preditores disponíveis, isso já é mais do que suficiente, então para que serve a NS ou conjunto de árvores? Note-se que se a árvore usa regras booleanas (>/</==) para seleção de áreas de classificação de preditores, o resultado é melhor, eu entendo, que a árvore não busca todos os resultados disponíveis ou por causa das regras de corte com pequeno suporte são cortadas, como resultado 5-10% de reconhecimento confiável da amostra é perdido.
E se a árvore dá um resultado de 90% dos preditores disponíveis, então é mais do que suficiente, então qual é o objectivo de NS ou conjunto de árvores? Notei que se a árvore usa regras lógicas (>/</==) para alocar áreas de classificação do preditor, então o resultado é melhor, entendo que a árvore não passa por todos os resultados disponíveis ou por causa das regras de corte com pouco reforço são cortadas, resultando em uma perda de 5-10% de reconhecimento confiável da amostra.
a questão é que 1 árvore apenas aprende a sequência, sem possibilidade de se adaptar a padrões em mudança (e no mercado sempre o fará)
Os conjuntos têm muitos componentes aleatórios que aumentam a robustez dos novos dados
Sim, o corte da árvore chama-se poda.
O Stoned Maxime, o Trapaceiro, não quer saber de ti de todo.
Não compreende a profundidade da sua alma.
Ele foi atrás do autómato ontem. Cuidado com ele))) hilariante...
Porque sou mágico? Os meus postos não desaparecem por magia.
Eu sou apenas um provocador estatístico.
e eu não fumo
a questão é que 1 árvore simplesmente aprende a sequência, sem chance de se adaptar às mudanças nos padrões (e no mercado sempre o fará)
Os conjuntos têm muitos componentes aleatórios que aumentam a robustez dos novos dados
Sim, o corte de árvores é chamado de poda.
Como podemos saber como os padrões vão mudar? A rede pode dividir a amostra em 100 partes e investigar nesses sigilos não só as relações dos preditores, mas também a natureza da mudança nessas relações, ou seja, os padrões? Se assim for, então sim, pode inferir as regras para mudar o padrão, mas tudo o que li sobre isso parece ser uma classificação perversa.
O que eu gosto na árvore é definir hierarquia, no programa em que estou trabalhando agora você pode criar uma hierarquia básica e depois fazer cálculos automáticos a partir dela (até agora é uma chatice, mas talvez eu não esteja usando todas as ferramentas, porque muitas não consigo entender pelo nome delas). Por exemplo, para criar o ATC utilizo essas perguntas, às quais o TS deve dar respostas para tomar uma decisão de negociação:
- Onde é que eu estou? (Descrição do ponto de preço)
- Como é que eu cheguei aqui? (Análise do movimento a partir do ponto condicionalmente oposto ao actual)
- O que pode acontecer? (Cálculo de eventos prováveis quando estes ocorrem no futuro)
- O que fazer? (Análise de padrões históricos com referência à resposta às 3 primeiras questões)
- Vale a pena o risco? (Análise de possíveis perdas com a entrada e possíveis lucros)
Portanto, eu quero que a rede/árvore/floresta responda a estas perguntas na mesma sequência quando decidir negociar.
Como podemos saber como os padrões vão mudar? A rede pode dividir a amostra em 100 partes e investigar nesses sigilos não só as relações dos preditores, mas também a natureza da mudança nessas relações, ou seja, os padrões? Se fizer isso, então sim, pode inferir as regras para mudar o padrão, mas tudo o que li sobre isso me parece uma classificação perversa.
les faz isso, redes neurais com validação cruzada e\ou conjuntos de modelos subjacentes também
+ várias regularizações
A floresta faz isso, redes neurais com validação cruzada e\ou conjuntos de modelos básicos também
Sobre a NS - talvez eu ainda não entenda algo...
Como é que uma floresta faz isso? A floresta apenas pega os preditores ao acaso e procura ligações entre eles e depois vota. Ou votará errado/ errado na amostra sob um modelo estacionário, dependendo da aleatoriedade resultante da amostra/previsores, ou o seu voto correto será tendencioso por essa amostra, assumindo os padrões na mudança da amostra. Mas onde está a análise da mudança de padrão? Meu entendimento é que a floresta é boa quando você não sabe quão bons são os preditores, então na ausência de reforço mútuo de preditores tais preditores ou não terão peso na votação ou o seu peso não será significativo. Ou talvez eu esteja a perceber tudo mal?