Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1552
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
Estou essencialmente à procura de peças para o bot, escrevendo vídeos para mim mesmo.
Para dizer a verdade, ainda não tive um único artigo que me tenha emprestado algo directamente muito útil, apenas um pouco de todo o lado.Sim, é claro que nem sempre há algo para pedir emprestado...
Mas sobre CatBoost - provavelmente não é muito adequado para séries cronológicas, como outros modelos - todos eles não levam em conta a repetibilidade do padrão (folha) no histórico da amostragem, sua distribuição sobre a amostragem - é muito importante.
É compreensível que nem sempre haja algo para pedir emprestado...
Mas sobre CatBoost - parece não ser muito adequado para séries cronológicas, assim como outros modelos - todos eles não levam em conta a repetibilidade do padrão (folha) no histórico da amostra, sua distribuição sobre a amostra - é muito importante.
em que sentido não leva em conta? a subamostragem de alguns padrões?
é possível acumulá-los.
Na verdade, é muito fixe e útil por si só, + está sempre a melhorar. Dizem que ultrapassou o xgboost em quase tudo. Mas ainda é uma questão em aberto - o que é melhor para as séries cronológicas?
De que forma não leva em conta? a subamostragem de alguns padrões?
é possível acumulá-los
Tanto quanto sei, CatBoost geralmente usa uma janela aleatória no algoritmo de amostragem para calcular uma divisão de até 64 valores (só não tenho certeza se isso se aplica a preditores categóricos ou todos).
A questão é que a maioria dos algoritmos não se importa se em 1/10 de amostra ocorreu a ativação da folha ou se ela foi distribuída em todas as amostras - eu acredito que a distribuição deve estar em todas as amostras (digamos a cada 1/5 não menos que 10-15%) e você precisa considerar indicadores econômicos na estatística de passagem - isso é o que eu faço quando verifico folhas separadas.
Em geral, é muito legal e fácil de usar por si só, + está sendo melhorado o tempo todo. Diz-se que ultrapassou o xgboost em quase tudo. No entanto, ainda é uma questão em aberto - o que é melhor para as séries cronológicas NS ou para o boosting?
Como eu disse antes, de acordo com a opinião dos desenvolvedores, se os preditores são semelhantes uns aos outros, nas mesmas unidades de medida, então NS é melhor, mas eu não tenho retornados, mas você deveria tentar NS.
Como eu disse antes, de acordo com os desenvolvedores se os preditores são semelhantes entre si, nas mesmas unidades, então NS é melhor, mas eu não tenho recidivas apenas, mas você tentaria NS.
Eu tentaria NS. Precisamente as recorrentes e suas modificações são boas para incrementos, vou tentar mais tarde.
As recorrentes e suas modificações são boas para incrementos, vou experimentá-las mais tarde.
Tudo é possível, você tem que tentar.
Quanto ao último vídeo - não concordo que o código não mude o interesse - se uma pessoa apenas tentar suas forças em píton e MO, será mais interessante assistir, e as perguntas podem ser sobre os méritos. Embora o público possa ser difícil de entender, e sim, nem tudo é assim ao mesmo tempo.
Na ficção - não seria melhor tentar fórmulas lineares diferentes para selecionar incrementos em vez de apenas aleatórios? Talvez eu deva ter três retornos com um offset de 1 a 10 e trinta com um offset de 10 a 50.
Um pouco de crítica) Maxim não ***underunder.....
Dica, você precisa ver o código para entender o que você está conjurando lá em cima. Então poste o código para cada vídeo no blog ou em algum lugar, apenas código aberto, sem nenhum arquivo.
Coloque comentários no código. Então você será capaz de aplicar pedaços de código na prática e raciocinar algo para fora. Mas por enquanto são apenas videoclipes com reflexos em voz alta).
P.S. O que é essa biblioteca, que ajusta a escala do gráfico, funciona apenas no navegador?
Nem tudo pode ser feito em código...
Por exemplo, fazer encomendas pendentes(algumas das suas variantes)
Um pouco de crítica) Maxim não ***underunder.....
Dica, você precisa ver o código para entender o que você está conjurando lá em cima. Então poste o código para cada vídeo no blog ou em algum lugar, apenas código aberto, sem nenhum arquivo.
Coloque comentários no código. Então você será capaz de aplicar pedaços de código na prática e raciocinar algo para fora. Mas por enquanto são apenas videoclipes com reflexos em voz alta).
P.S. O que é a biblioteca, que ajusta a escala do gráfico, funciona apenas no browser?
Vou ser louco a responder a todo o código, o tempo não é suficiente
Mais tarde, vou lançar uma versão intermédia.
https://kernc.github.io/backtesting.py/