Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1051
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
Há uma continuação da história?
Observei que se um sistema de trading der apenas resultados positivos, então haverá uma perda permanente - estamos falando do TS com lote fixo e stoplosses.
Acho que a história remonta a 2006, só não se sabe a que nível foi feito e por quem.
http://www.kamynin.ru/
Só não sabes o quão alto é feito por... Escolha a rubrica "trocar robôs", vá para o início, faça chá e crumpets, leia, veja fotos, leia comentários das pessoas, as respostas do autor, fique mais esperto, e não as de uma criança ah ... ee ... ) ))
Há toda a evolução do início ao fimInfelizmente não :-( Embora eu tenha uma ideia para um comité de seis polinómios, mas ainda não decifrei completamente o código Reshetov. Embora a última mudança tenha começado a poupar-me tempo enquanto preparava o modelo no MKUL, mas não o objectivo, mas o cerne do problema do MO é o seguinte, como me parece e se tiverem argumentos de peso contra ele, estou pronto a ouvi-los.
Além de tudo o resto, como preparação, treino, etc. A fase final é a escolha do modelo. Afinal, no processo de treinamento um algoritmo constrói um modelo, estima seus parâmetros e tenta melhorá-los usando outros modelos e o modelo com a melhor métrica de treinamento é o que salva o modelo e éo resultado da otimização. Na minha opinião, o optimizador Reshetov seleccionou a melhor métrica para os classificadores. É a determinação da sensibilidade e especificidade, bem como da generalização geral. Quando o resultado do aprendizado do modelo é avaliado usando quatro parâmetros: True Positiv, True Negativ, False Positiv, False Negativ. Tenho a certeza que já ouviste falar disso. É uma métrica bastante popular, mas como a prática mostra, esta métrica está apenas parcialmente relacionada com a generalização. Em outras palavras, o resultado dessa métrica é superestimado e seus valores serão tão altos quando houver supertreinamento no conjunto de treinamento como se não houvesse supertreinamento. Vamos decidir um pouco:
Suponha que temos um método para estimar a generalização do polinômio para o conjunto de dados. E a nossa métrica estima realmente o nível de generalização. Em outras palavras, quando outras métricas mostram bom resultado no período de treinamento, e nossa métrica mostra mau resultado quando o polinômio é super-treinado e bom resultado quando o polinômio é generalizado. Então esta métrica poderia ser usada no processo de aprendizagem, forçando o algoritmo a procurar um modelo subestimado (com os nossos dados), mas ainda um modelo generalizado. Pode ser mau, mas funciona e é 100% destreinado. É aqui que entra o efeito do subtreinamento. É muito importante reduzir ao mínimo o insucesso. Este texto pode ser considerado um precursor da minha teoria, porque estamos perto do que???? Lá se vai a questão do dia. Pense.....
A história remonta a 2006, se não me engano, você simplesmente não tem idéia do alto nível em que tudo isso é feito, e por que tipo de pessoa.
http://www.kamynin.ru/
Você escolhe a rubrica "trocar robôs". Escolha a rubrica "trocar robôs", vá para o início, faça chá e crumpets, leia, veja fotos, leia comentários das pessoas, as respostas do autor, fique mais esperto, e fique muito bravo... ) ))
Há toda a evolução do início ao fimAinda não ouvi falar deste homem, vou investigar isso, obrigado.
Este ramo... é apenas um monte de porcaria)))
http://www.kamynin.ru/2015/08/26/lua-quik-robot-uchitel/
Leia desde o início e depois poste, eu sei do que estou a falar.
MGUA Foi aqui que tudo começou, o autor recomenda começar com isto, sim agora ele não o aplica, e aplica algo mais já puramente seu, mas este algo nasceu de MGUA e este algo que ele não revelaBrevemente sobre as informações nas fotos
Brevemente sobre as informações nas fotos
Sim, é isso mesmo, o autor não gosta de minimalismo)
Sim, é isso mesmo, o autor não gosta de minimalismo)
há níveis e um par de mashups, dos quais ele de alguma forma extrai informações para a sua suposta rede neural
também uma espécie de baladista.Sim, é o que é, o autor não gosta de minimalismo)
Olhei para ele durante 5 segundos e percebi. É 100% suspeito e eu nem quero olhar para ele......
Viram os meus sites ou posts ou fotos????
há níveis e um par de mash-ups, de alguma forma extraindo informações para a sua suposta rede neural
outra espécie de ballbuster.Oh merda. Aqui vamos nós) alegadamente, neuronet, bebe))
Lê, entra nela ou esquece-a.
Aqui está a resposta ao seu posto.
Tudo está lá, só precisas de ler.
Oh merda, aqui vamos nós))) alegadamente, redes neurais, bebe))
Ler, absorver ou esquecer.
Aqui está a resposta ao seu posto.
Está tudo aí, só tens de ler
Era mais ou menos disso que eu estava a falar
É isso. Farei o mesmo amanhã.