Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 773
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
Abertura do comércio - captura de ecrã, fecho - captura de ecrã. Dentro de uma semana, assumindo
ambos vão lá estar e não lutem - vão receber presentes.
Então você não confia completamente no serviço de sinal.....?????
Weird!!!!
Eu não tenho tempo ou desejo comentar todas as trocas. O robô está cortando, o resultado está na tampa!!!!
Tenho uma notícia a chegar doR-bloggers. Hoje veio um anúncio para a DALEX, um pacote sobre selecção de importância variável. Tentei instalá-lo - ele não vai instalar para o meu R 3.4.2.
Mas gostei muito da ideia.
Normalmente a importância variável é importante no sentido da frequência com que o preditor foi usado no ajuste do modelo.
Mas a DALEX usa uma ideia diferente: a importância do preditor refere-se ao impacto desse preditor sobre o sucesso da previsão . O modelo em si é tratado como uma caixa negra.
Eu tentei me lembrar de todos os pacotes que usei e não consigo me lembrar de um pacote com a mesma idéia - prever o impacto.
Alguém pode sugerir um?
Tenho uma notícia a chegar doR-bloggers. Hoje veio um anúncio para a DALEX, um pacote sobre selecção de importância variável. Tentei instalá-lo - ele não vai instalar para o meu R 3.4.2.
Mas gostei muito da ideia.
Normalmente a importância variável é importante no sentido da frequência com que o preditor foi usado no ajuste do modelo.
Mas a DALEX usa uma ideia diferente: a importância do preditor refere-se ao impacto desse preditor sobre o sucesso da previsão . O modelo em si é tratado como uma caixa negra.
Eu tentei me lembrar de todos os pacotes que usei e não consigo me lembrar de um pacote com a mesma idéia - prever o impacto.
Alguém me pode dar uma dica?
Bingo. Centenas de artigos na internet sobre o Arima, e em todo lugar diz "encontre autocorrelação e autoregressão", depois uma dúzia de fotos, e depois a resposta com três parâmetros sem nenhuma explicação. 10% dos artigos podem até mencionar que há sazonalidade.
Desculpe, mas isto é de análise técnica - você pegou um indicador, procurou, gostou, e construiu um Expert Advisor.
Quando tentamos usar modelos estatísticos, a questão inicial antes de tentar usá-lo é se o modelo é aplicável aos nossos dados.
Se falamos de ARIMA, é um modelo muito limitado na sua aplicabilidade, especialmente nos mercados financeiros. As pessoas que o criaram compreenderam esta limitação e, portanto, forneceram-lhe ferramentas adicionais que lhe permitem determinar a usabilidade do modelo num caso em particular. Na prática temos que verificar a aplicabilidade em uma JANELA, então quando a janela se move, o modelo pode ser aplicado, então ele não pode.
Mas a situação é ainda pior.
Não está apenas nos dados iniciais, aos quais o modelo, por exemplo, ARIMA, pode não ser aplicável. É também um resultado do ajuste: tudo foi ajustado, todos os parâmetros foram definidos, mas então começamos a olhar e ver que os parâmetros NÃO são significativos - eles não estão lá, embora possamos vê-los.
Eu escrevi acima que "a situação é ainda pior". E se compararmos com TA, é a situação de um cego com a de um homem avistado. Se tivermos em conta que os indicadores são autoregressivos e que a ARIMA também é autoregressiva, mas podemos descobrir se a ARIMA é aplicável, enquanto os indicadores são sempre utilizados às cegas e depois ficamos surpreendidos que o depósito tenha ido para as cegas.
Tenho uma notícia de última hora vinda deR-bloggers. Hoje veio um anúncio para a DALEX, um pacote sobre selecção de importância variável. Tentei instalá-lo - ele não vai instalar para o meu R 3.4.2.
Mas gostei muito da ideia.
Normalmente a importância variável é importante no sentido da frequência com que o preditor foi usado no ajuste do modelo.
Mas a DALEX usa uma ideia diferente: a importância do preditor refere-se ao impacto desse preditor sobre o sucesso da previsão . O modelo em si é tratado como uma caixa negra.
Eu tentei me lembrar de todos os pacotes que usei e não consigo me lembrar de um pacote com a mesma idéia - prever o impacto.
Alguém me pode dar uma dica?
Instalei-o no 3.4.3. Coisas interessantes, mas a autoria é suspeita.
Já te esqueceste da LIME? Lembrar-te-ia de varbvs também. Estou a inclinar-me cada vez mais para os métodos Bayesianos em
Boa sorte.
Isto é, normalmente para trás, mas para a frente?
Bem, sim! Porque é que precisamos de um backtest? Por que precisamos de um backtest? Para o treino - compreensível, mas para os testes de costas...
Acima neste tópico coloquei os resultados para o treino e para a frente - apenas deprimente.
Mas estes são apenas uma parte dos resultados que eu tenho.
Corri todos os 6 modelos em 14 pares de moedas a 15 000 barras H1 em guizo: metade para treino e metade para a frente para o modelo treinado.
Os resultados são bastante decepcionantes: de 84 (na realidade 168) opções (long+short) há menos de uma dúzia, e não há pares de moedas com posições longas e curtas!
Instalado em 3.4.3. Coisas interessantes, mas a autoria é suspeita.
Já te esqueceste da LIME? Lembra-me também dos varbvs. Estou a inclinar-me cada vez mais para os métodos Bayesianos em
Boa sorte.
Existe um 3.4.3 na microsoft?
Obrigado pela LIME.
SanSanych, você é uma pessoa bastante competente e apoiada pela teoria. Diga-me, já tentou alimentar os coeficientes dos polinómios de diferentes séries como preditores?
Não