Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 940

 
Aleksey Vyazmikin:

Isto é, mudança independentemente da história, ou seja, o 1T 2016 não é como o 1T 2017?

E fractais, por isso tenho quase um sistema fractal para medir flutuações de preços na faixa de 1 hora, 4 horas, 1 dia, 1 semana, 1 mês. A escala de flutuação planejada é calculada e observa onde está o preço no momento (em que nível).

não é fractal))

é que a cada trimestre os padrões mudam, às vezes dramaticamente.

ou seja, há uma elevada probabilidade de o sistema se avariar nas juntas.
 
Maxim Dmitrievsky:

não é fractal ))

É que a cada novo trimestre os padrões mudam, às vezes drasticamente.

Como o TF não fractal, pequeno de acordo com o meu sistema é semelhante ao grande, ou vice-versa como você gosta, é um fractal. Mas a frequência de similaridade não é conhecida porque é definida pela função.

 
Maxim Dmitrievsky:


ou seja, há uma elevada probabilidade de o sistema se avariar nas conjunturas

Estou a ver, mas fundamentalmente deve funcionar :) Provavelmente o trimestre é um movimento de tendência e quando esse movimento muda, o sistema quebra...

 
Aleksey Vyazmikin:

Estou a ver, mas fundamentalmente deve funcionar :) Provavelmente o trimestre é um movimento de tendência e quando esse movimento muda, o sistema quebra...

Razões fundamentais - expirações, etc. Os relatórios anuais são, por regra, relatórios.

Onde há dinheiro a mudar de mãos, há sempre uma mudança de conjuntura.

Eu gostaria de brincar com a busca do ciclo, pesquisar no Google. Para saber quando treinar correctamente, de que datas e para que

A principal razão para a ausência de padrões estacionários é a constante mudança na capitalização e nos fluxos de capital. Capitais grandes movem-se raramente e lentamente.

 
Maxim Dmitrievsky:

Alguém conseguiu alcançar um erro de 0,2 ou 0,3 no oscilador? O mínimo é em torno de 0,45. Além disso, muitas vezes funciona no OOS.

Mas 2-2,5 vezes a diferença com o trayne é um pouco irritante.

Não consigo perceber quando terminar o desenvolvimento e começar a praticar))


Nos artigos de Vladimir
 
elibrarius:
Nos artigos de Vladimir

Qual arquitectura? Podes dar-me um link?

 
Maxim Dmitrievsky:

Qual arquitectura? Podes dar-me um link?

Tanto em Darch como em Elm - https://www.mql5.com/ru/users/vlad1949/publications - a partir do 4º artigo os resultados com Acc cerca de 70% ou mais.
Bem, você leu tudo...
Vladimir Perervenko
Vladimir Perervenko
  • www.mql5.com
Мы продолжаем строить ансамбли. Теперь к bagging-ансамблю, созданному ранее, добавим обучаемый объединитель — глубокую нейросеть. Одна нейросеть объединяет 7 лучших выходов ансамбля после обрезки. Вторая принимает на вход все 500 выходов ансамбля, обрезает и объединяет их. Нейросети будем строить с... Глубокие нейросети (Часть VI). Ансамбль...
 
Maxim Dmitrievsky:

razões fundamentais - datas de validade e afins. Relatórios anuais, como regra.

Onde há uma transferência de dinheiro, há sempre uma mudança de conjuntura.

Eu gostaria de brincar com a busca do ciclo, pesquisar no Google. Para saber quando treinar correctamente, de que datas e para que

A principal razão para a ausência de padrões estacionários é a constante mudança na capitalização e nos fluxos de capital. Capitais grandes movem-se raramente e lentamente.

Portanto, você precisa aumentar a quantidade de dados para pesquisar tais ciclos, e você precisa amostrar 2-3 anos em vez de um ano e adicionar números de meses...

 
elibrarius:
Tanto em Darch como em Elm - https://www.mql5.com/ru/users/vlad1949/publications - a partir do 4º artigo, os resultados em Acc são cerca de 70% e superiores.
Bem, todos vocês o leram...

Nada mal:

Sim, eu li mas na diagonal, como eu não quero usar R, não tão esportivo )

 
Aleksey Vyazmikin:

Acontece então que precisamos de aumentar a quantidade de dados para procurar tais ciclos, e não fazer amostra durante um ano, mas sim durante 2-3 anos, adicionar números de meses...

Não tenho a certeza, não há muita informação sobre isto.

Mas acontece, por exemplo, que se no último trimestre do ano eu perfurar um modelo, ele funciona bem durante todo o ano, e então ele cai.

algo como isto...

se a curto prazo, funciona durante cerca de 3 meses, e depois decompõe-se... ou seja, entramos novamente num ciclo, mas trimestralmente.