Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 960
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
Bem, não sabia que era tudo usado há muito tempo enquanto eu inventava...
tudo o que aqui foi discutido já está em uso há meio século.
agora apenas modelos mais avançados como diplinning estão sendo adicionados
observação - não há uma única ideia que eu tenha surgido e depois não encontrei quase exactamente a mesma na internet. (Por exemplo, publiquei recentemente um exemplo sobre lógica fuzzy e NS. Primeiro eu inventei um e depois encontrei exatamente o mesmo 1 em 1, embora o artigo seja bastante recente lá) E não há um único modelo de MO que ainda não tenha sido experimentado no mercado antes de você :) Principalmente recursos em inglês, claro... Em Runet em geral, confusão completa.
têm vindo a usar tudo o que aqui foi discutido há meio século
agora apenas modelos mais avançados como o diplerning estão sendo adicionados
observação - não há uma única ideia que eu tenha surgido e depois não encontrei quase exactamente a mesma na Internet. (Por exemplo, publiquei recentemente um exemplo sobre lógica fuzzy e NS. Eu primeiro inventei um e depois encontrei exatamente o mesmo 1 em 1, embora o artigo seja bastante recente lá) E não há um único modelo de MO que ainda não tenha sido experimentado no mercado antes de você :) Principalmente recursos em inglês, claro... em Runet em geral confusão completa.
Chato :)
Chato :)
Não sei o que fazer a seguir, ninguém me deu nenhuma ideia, demasiado preguiçoso para pensar.
Existe um modelo, treina consistentemente bem em diferentes modificações, algumas a 100% e mais de trens trabalham no AOS, como aqui ... (4 meses de treinamento 10 meses de AOS) então nada
Não vejo a utilidade de testar as demonstrações porque já está tudo claro.
Não sei quando o sistema irá falhar no futuro :D Fiz uma espécie de semigrafia e agora sento-me a olhar para ela em branco, 50k já foram oferecidos
Tenho de voltar a ler livros de 500 páginas em inglês...
Não sei o que fazer a seguir, ainda ninguém teve nenhuma ideia, sou demasiado preguiçoso para pensar.
Há um modelo, comboios consistentemente bem em diferentes modificações, alguns a 100% e mais de comboios funcionam em oos, como aqui... (4 meses de treinamento 10 meses de AOS) então nada
Não vejo a utilidade de testar as demonstrações porque já está tudo claro.
Não sei quando o sistema irá falhar no futuro :D Fiz uma espécie de semigrafia e agora sento-me a olhar para ela em branco, 50k já foram oferecidos
Leia livros em 500 páginas em inglês novamente...
Talvez começar a trocar os buscadores?
O "lixo de entrada é lixo de saída" é uma tese válida, mas importante de entender, e digna de estudo fundamental. Naturalmente, não cobre todas as possibilidades de modelagem e não leva em conta a infinidade de maneiras de escolher os dados de entrada para a pesquisa. Todos sabemos que a escolha dos dados é determinada pelas características do objecto em estudo ou pela natureza do seu modelo matemático, se este for conhecido. Por outro lado, quaisquer dados devem ser considerados a um certo nível de abstração em relação a um conjunto de fatores "absolutos" que determinam o comportamento do mercado. Sem estes parâmetros de referência, só podemos fazer uma estimativa comparativa, que será puramente local. Pessoalmente, na minha experiência, descobri que uma abordagem ponderada na escolha dos dados de entrada melhora o desempenho da modelação numérica.
Devemos começar a trocar os chips?
Eu só tenho preços de entrada, não sofro de fichas :) o principal é a seleção de alvos
O "lixo de entrada é lixo de saída" é uma tese válida, mas importante de entender, e digna de estudo fundamental. Naturalmente, não cobre todas as possibilidades de modelagem e não leva em conta a infinidade de maneiras de escolher os dados de entrada para a pesquisa. Todos sabemos que a escolha dos dados é determinada pelas características do objecto em estudo ou pela natureza do seu modelo matemático, se este for conhecido. Por outro lado, quaisquer dados devem ser considerados a um certo nível de abstração em relação a um conjunto de fatores "absolutos" que determinam o comportamento do mercado. Sem estes parâmetros de referência, só podemos fazer uma estimativa comparativa, que será puramente local. Pessoalmente, pela minha experiência, descobri que uma abordagem ponderada na escolha dos dados de entrada aumenta o desempenho da modelação numérica.
Eu acho que terver+MO, não há muito mais por onde escolher. É um pouco científico e de bom gosto.
não tão bom com terver, precisa de aprender
Eu só tenho preços de entrada, não sofro de fichas :) o principal é a seleção de alvos
Então tudo isto deve funcionar apenas enquanto os preços históricos se repetirem...
Estou a pensar em terver+MO, não há muito mais por onde escolher. É um pouco científico e de bom gosto.
Não sei quanto ao terver, vou ter de o estudar.
Exactamente.
Um certo Asaulenko faz exactamente isso. Embora ele tente agitar como uma lebre, ele é um físico e eu tenho fé no seu modelo.
E é o seguinte - parece que o preço está fora do nível de probabilidade de confiança, e o NS dá adicionalmente permissão/rejeição para entrar no comércio. Eu tenho o mesmo, só que em vez de NS eu uso o coeficiente de assimetria de Pearson. Mas é melhor. Também o quero fazer assim.