Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2016
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 série de ideias sobre o porquê de isto poder ser útil:
1. Os preditores interdependentes podem ser identificados:
1.1 Construir um modelo separado com eles e avaliar o seu poder de previsão
1.2. excluí-los da amostra e avaliar seu impacto no resultado. se eles melhorarem o resultado, considerar a criação de preditores semelhantes
2. Use um preditor em vez de um grupo de preditores:
1. isto igualará as hipóteses de o tomar ao acaso na construção do modelo
2. Reduzir o tempo de formação, reduzindo a dimensionalidade
Sim, gostaria de testar isto, mas não conheço a ferramenta para criar um modelo deste tipo fora da caixa.
A propósito, há um pensamento aqui, porque não usam funções quebradas (por assim dizer com quantização - em vez de uma linha de passo) no treinamento, isso permitiria uma folga na precisão dos dados e reduziria o sobretreinamento.
Se os preditores são preços, então 3-5 barras cada um à esquerda e à direita estão muito correlacionados com a barra central, exceções são raras durante picos de preços acentuados. Leva cada quinto a sétimo bar e consegue mais ou menos o que queres. Ou passar para um período de tempo superior. Ou faça uma triagem dos preditores, verificando a correlação mútua entre eles. O fundador deste tópico também afinou as barras, veja o seu blog.
Eu recomendaria limpar os dados dos traços do lixo primeiro...
Imagine que você tem 10 atributos, 9 deles são atributos de lixo, você os comprime todos em um único atributo.
o mesmo... no início da semana funciona bem, depois do "pré-treino". Depois começa a chover a cântaros. Voltei a repetir, amanhã vou pô-lo para testes :D
Algum robô de negociação pode ser calculado incorretamente no trader... Após uma série de atualizações ele começa a negociar na direção errada
Também estou a trabalhar nas redes de recorrência em tocha.
amarelo - início das semanas, primeiros 1-3 dias
Interessante...
Alguém já tentou usar "níveis redondos" como sinais?
Ou como uma forma de processar os preços ?
Você pode marcar preços com valores circulares, por exemplo...
É possível remover valores que são os mesmos numa fila...
É uma boa compressão de informação, mais filtragem... Talvez seja mais fácil procurar padrões em tal gráfico para um modelo...
Alguém já tentou usar "níveis redondos" como sinais?
Ou como uma forma de processar os preços ?
Você pode marcar preços com valores circulares, por exemplo...
É possível remover valores que são os mesmos numa fila...
Não é uma má compressão de informação, além de filtragem... Talvez seja mais fácil procurar padrões em tal gráfico para um modelo...
Eu tenho a Renco.
Alguém já tentou usar "níveis redondos" como sinais?
Ou como uma forma de processar os preços ?
Você pode marcar preços com valores circulares, por exemplo...
É possível remover valores que são os mesmos numa fila...
É uma boa compressão de informação, mais filtragem ... Talvez seja mais fácil procurar padrões em tal gráfico para um modelo ...
Sim
...redesenho duro...
Como não pode ser ensinado, haverá um solucionador preso em mínimos locais. Quanto às ideias - nada pode ser retirado, porque é uma caixa negra.
Sobre ficar preso - talvez você precise mudar a maneira de corrigir o erro.
Bem, porquê caixa negra, se existem apenas 2-3 camadas, é bastante realista desmascarar por coeficientes. Pequenos coeficientes aqui podem ser grosseiros e zerados, o que reduzirá o número de entradas para o neurônio.
Se os preditores são preços, então 3-5 barras cada um à esquerda e à direita estão muito correlacionados com a barra central, exceções são raras durante os picos de preços. Leva cada quinto a sétimo bar e consegue mais ou menos o que queres. Ou passar para um período de tempo superior. Ou faça uma triagem dos preditores, verificando a correlação mútua entre eles. O fundador deste tópico também desbastou as barras, veja o seu blog.
Os preditores não são preços em forma nua - muitos pontos relativos que podem ser semelhantes...
Não tenho a certeza se a triagem por correlação seria eficaz...
Eu começaria por recomendar que você limpe os dados dos atributos do lixo...
Imagine - você tem 10 atributos, 9 deles são lixo, você comprimiu tudo em um só atributo E daí?
E que método de limpeza você pode recomendar?