Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2322
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
Na minha opinião, para os nossos fins o artigo não é muito bom, apenas o escolhi como ilustração de uma abordagem que combina multifractalidade e estocasticidade.
Grosso modo, multifractal = composto por muitos fractais e espectro é a dimensão destes fractais de base. Mas podemos brincar com a noção de "espectro" e encontrar algo adequado para nós - por exemplo, uma função que mostre o grau de diferença da SB em diferentes escalas.
A escala dá um maior alcance, espectro ou outro método menor de detecção de não-SSB ainda mostrará o que mostra, mas não o ligará de forma alguma às causas de não-SSB. Em geral, o acesso ao controle de tudo e qualquer coisa e o processamento desses dados provavelmente dará algumas possibilidades. Mas eles não vão entrar no cérebro de todos)))
A escala dá um maior alcance inferior, espectro, ou outro método de detecção de não-SSB ainda mostrará o que mostra, mas não a ligará de forma alguma às causas da não-SSB. Em geral, o acesso ao controle de tudo e qualquer coisa e o processamento desses dados provavelmente dará algumas possibilidades. MAS não vai chegar ao cérebro de todos)))
Eles não nos deixam entrar nos servidores das corretoras e ECN) Eles têm que inventar tudo sozinhos).
https://www.mql5.com/ru/forum/325441/page15#comment_20589051
ou seja, escrever e depurar um bot não deve ser problema
Bom artigo. A abordagem não é bem abordada, apenas resultados e meia dica de como é feita, mas os resultados são impressionantes.
Bom artigo. A abordagem não é bem divulgada, apenas resultados e meia dica de como é feita, mas os resultados são impressionantes.
Eu não entrei nele, mas parece que através de algum algoritmo é feito um grande número de possíveis extensões da série, a partir do qual se escolhe aquela que, por meio de métricas dadas, melhor se encaixa na série original. Eu vejo o problema na ambiguidade do resultado de tal "previsão":
1) Se forem dadas várias métricas, haverá uma "previsão" diferente para cada uma delas. Se você fizer uma métrica de compromisso entre várias, a "previsão" dependerá de seu dispositivo particular.
2) A "previsão" dependerá muito do algoritmo para a construção de um conjunto de possíveis extensões de séries.
A idéia de se afastar dos modelos paramétricos é compreensível e atraente, mas não é implementada aqui (espero que fique claro o porquê).
Eu não entrei nele, mas parece que através de algum algoritmo é feito um grande número de possíveis extensões de séries, e então escolhe-se a que melhor se encaixa na série inicial de acordo com a métrica dada. Eu vejo o problema na ambiguidade do resultado de tal "previsão":
1) Se forem dadas várias métricas, haverá uma "previsão" diferente para cada uma delas. Se você fizer uma métrica de compromisso entre várias, a "previsão" dependerá do seu dispositivo específico.
2) A "previsão" dependerá muito do algoritmo para a construção de um conjunto de possíveis extensões de séries.
A idéia de se afastar dos modelos paramétricos é compreensível e atraente, mas não é implementada aqui (espero que fique claro o porquê).
Pelo que entendi, os autores não revelam muito sobre o algoritmo em si, fazendo-se com máximas como:
Portanto, o método GenericPred usa duas regras básicas:
R1: Procure sempre manter o valor de uma medida não linear tão estável quanto possível durante a previsão(Fig. 3).
R2: O novo valor deve ser escolhido a partir de um conjunto de valores potenciais gerados a partir de uma distribuição de probabilidade.
A previsão tem de ser feita um passo de cada vez porque o valor previsto no passo actual é necessário para determinar o intervalo de variação válido para o passo seguinte.
Até onde posso adivinhar, primeiro seleciona-se algum componente linear logístico, e depois a cada passo é modelado um não linear, sendo o critério principal a estabilidade de algum conjunto de características estocásticas da série. Em geral é vago, mas o resultado é impressionante.
Na minha opinião, a abordagem é um pouco semelhante à utilizada no pacote "profeta" em R.
Vejo que há interesse neste tópico...
Tanto quanto me lembro, houve uma tentativa de implementar este algoritmo no R, mas os artigos já não estão abertos, pelo menos para mim, tente
Vejo que há interesse neste tópico...
Tanto quanto me lembro, houve uma tentativa de implementar este algoritmo no R, mas os artigos já não estão abertos, pelo menos para mim, tente
Há um ótimo site que arquiva quase toda a internet.
Aqui estão cópias do primeiro dos seus artigos
https://web.archive.org/web/20160701000000*/https://mechanicalforex.com/2016/03/using-r-in-trading-time-series-forecasting-using-chaos-part-1.html