Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1132
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 aqui está o que eu precisava para algoritmizar um apartamento
Os lotes não se baseiam no preço, mas numa função diferente...
O desenho dos rectângulos é implementado aqui para que o sinal seja válido desde o início do rectângulo e não no final, como nos exemplos anteriores.
O gráfico tem os níveis de Pd e Sp. compramos de vermelho, vendemos de verde
temos uma paragem, mas é apenas um corte de um período de tempo sintético.
Bp e SP são zonas sobre-compradas e sobre-vendidas como eu o entendo
Eu uso uma rede neural para encontrar sobre-comprados e sobre-vendidos.Maldição pessoal, vamos discutir sistemas normais, eh? com padrões objectivos.
pegue qualquer 2 instrumentos correlatos e construa um modelo
Arbitragem?
Ou um a vapor.
Onde está o MO?
Onde está o MdE?
http://sun.tsu.ru/mminfo/2016/Dombrovski/book/chapter-2/chapter-2.htm
alguém usou o cv leave-one-out para a LR? ele substitui a amostragem de validação separada? Eu acho que o Vizard é o único que o usou :)
É melhor pensar na validação cruzada como uma forma de estimar o desempenho de generalização dos modelos gerados por um determinado procedimento, em vez do modelo em si. Leave-one-out cross-validation é essencialmente uma estimativa do desempenho de generalização de um modelo treinado em n-1 amostras de dados, o que é geralmente uma estimativa ligeiramente pessimista do desempenho de um modelo treinado em n amostras.
Ao invés de escolher um modelo, a coisa a fazer é adequá-lo a todos os dados e usar o LOOC-CV para fornecer uma estimativa um pouco conservadora do desempenho desse modelo.
Observe, no entanto, que LOOCV tem uma alta variação (o valor que você receberá varia muito se você usar uma amostra aleatória de dados diferente), o que muitas vezes o torna uma má escolha de estimador para avaliação de desempenho, mesmo que seja aproximadamente imparcial. Eu o uso o tempo todo para seleção de modelos, mas realmente só porque é barato (quase de graça para os modelos de kernel em que estou trabalhando).
"Contras e prós. Só um estimador como este seria bom para acelerar a selecção de modelos.
Lançada a última versão da biblioteca com um caso de teste
Parece um longo caminho para o Ano Novo, e há presentes como este!
Arbitragem?
aqui
https://www.mql5.com/ru/forum/140716/page382
e ainda
apenas uma linha de um induke que não vai encontrar em mais lado nenhum.
apenas uma linha do peru, que não encontrarás em mais lado nenhum.
e onde está?
Lançada a última versão da biblioteca com um caso de teste
Muito fixe! Obrigado. Resultados impressionantes:)