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
pdf não quer anexar, raros também não querem anexar. O que você precisa?
Explicar:
quatro modelos foram avaliados primeiro e o resultado foi
1. mlpe com AUC=0,924 e Acc=85,7%.
2. DT com AUC=0,877 e Acc=84,4%.
3. mlp com AUC=0,874 e Acc=81,7%.
4. svm com AUC=0,857 e Acc=82,4%.
ou seja, um conjunto de redes neurais multicamadas ativadas por diferentes valores iniciais (aleatórios) de pesos mostrou melhores resultados do que andomForest e árvore de decisão?
Não. O conjunto é melhor que DT,mlp e svm. Os valores de RF e ada são dados a seguir e são melhores.
a diferença em Acc entre 85,7% e 89,4% daria uma melhora significativa na previsão?
Eu tenho uma regressão linear e uma regressão não linear dando valores múltiplos de R para, por exemplo, ouro de 0,95485489 e 0,97386429, respectivamente. Não encontrei nenhuma melhoria significativa nas propriedades preditivas do modelo na prática - no comércio
O Ass=91% para o modelo ada. E isto é muito bom. Eu não fiz regressão. Ou melhor, eu gostava, mas não gostava.
O que mostra o valor do Múltiplo R? Nunca tinha visto isso antes.
O Ass=91% para o modelo ada. E isto é muito bom. Eu não fiz regressão. Ou melhor, eu gostava, mas não gostava.
O que mostra o valor do Múltiplo R? Eu nunca tinha visto isso antes.
O R múltiplo é o coeficiente de correlação múltipla.
Pergunta - há dois métodos. O uso de um dá precisão de previsão, por exemplo, 1-3% melhor do que o outro - não dará uma vantagem comercial tangível de um método sobre o outro.
Agora, se você dividir o ângulo de inclinação pela deflexão, você obtém um valor que caracteriza totalmente o comércio. Isto agora pode ser usado como uma função de adequação para afinação.
Você é quem, desculpe, "inventou" o indicador Sharpe. Um indicador realmente bom, a propósito.
Experimenteeste professor. (https://www.mql5.com/ru/code/903). Não se pode fazer melhor do que isso.
As entradas são o que você quiser, você pode até mesmo ter OHLC.
Não é o Professor, é o que não consegue. Como a piada.
Conversa de tróleis.
-Pode me dizer quando a parada está chegando?
-Vejam-me -Seu anterior, assim que eu sair.
No seu caso, você precisa de uma previsão com pelo menos três barras à frente. E isso é regressão.
E se você pensa que é um pioneiro aqui, esqueça isso. Esta direção é totalmente espezinhada. Leia mais.
Boa sorte.
Não é o Professor, é o falador duplo. Como na brincadeira.
Uma conversa em um trólei.
-Pode me dizer quando a parada está chegando?
-Você me segue. - Assim que eu sair, seu último.
No seu caso, você precisa de uma previsão com pelo menos três barras à frente. E isso é regressão.
E se você pensa que é um pioneiro aqui, esqueça isso. Esta direção é totalmente espezinhada. Leia mais.
Boa sorte.
(Risos)
Não há ali nenhuma regressão, a regressão que você alimenta para a entrada em seu exemplo.
Eu olhei para o "seu" BBCI, não é melhor e também está com falhas.
Sugerir os dados de entrada (excluindo OHLC) e o professor.
Eu não estou reclamando nada, você pediu, eu ofereci.
Você não parece ter percebido e a regressão está em sua mente.
Continue pisando. Boa sorte.
Os dados podem ser alimentados na entrada após a transformação espectral do vetor de entrada.
A tarefa da rede neural, neste caso, poderia ser a de prever o "futuro" do espectro. Fiz um pouco de pesquisa sobre este tema. Penso que existe um sentido em tal transformação, embora se trate de um cálculo intensivo em recursos. AQUI descrevi com mais detalhes, algumas variantes de aplicação.