Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 270
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Neden herkes modellere bu kadar takıntılı? neden hiç kimse işaretler temasını geliştirmiyor? neden kimse durağanlıktan bahsetmiyor? neden kimse bu sorunları çözmeye çalışmıyor? neden kimse fiyatları neyin yönlendirdiğini hiç düşünmüyor? neden?
Bir girdi olarak bir stokastik beslerseniz, hangi modeli kullanırsanız kullanın, ister normal bir KNN ister en karmaşık derin ağ olsun, en az üç kat derin olsun, doğruluk %51-53 olacaktır. Girişte çöp varsa bu modeller ne işe yarar? , hayır ama dikkatlerin %95'i modeller yönünde, kişisel olarak benim için modeller sistemdeki son aşama ve bu da tüm işin sadece %2'si .
Ve algoritmik analizin (doğrudan formüller kullanarak) çok zor hatta imkansız olduğu büyük miktarda veriye ML uygulandığında bu tamamen farklı bir konudur. Ancak burada, temelde, yalnızca üstte evli stokastik kombinasyonlarına düşkündürler, bu nedenle "neden?" sorusu özellikle özeldir. burada buna değmez.
Neden herkes modellere bu kadar takıntılı? neden hiç kimse işaretler temasını geliştirmiyor? neden kimse durağanlıktan bahsetmiyor? neden kimse bu sorunları çözmeye çalışmıyor? neden kimse fiyatları neyin yönlendirdiğini hiç düşünmüyor? neden?
Bulunduğunuz şube hakkında tamamen yanlış bir fikre sahipsiniz.
Sadece yazılarıma değil, asıl sorunun veri madenciliğinde olduğunu söyleyen yazılarıma bakın. Emek yoğunluğunun dağılımı için bir rakam bile verdim - veri madenciliği için %70'in üzerinde.
Ayrıca, model seçiminin nihai sonuç üzerinde çok az etkisi olduğunu savundum ve tartışmaya devam ediyorum.
Ayrıca, ben ve diğer forum kullanıcıları, orijinal öngörücü kümesini gürültüden filtrelememize izin verecek belirli algoritmalardan bahsettik. Aynı zamanda, gürültü tahmin edicileri olmadan modelin ÜSTLENMEYECEKTİR.
Hepsi bu başlıkta.
not.
Regresyonlar değil, sınıflandırma modelleri dikkate alındığından durağan olmama dikkate alınmamıştır ve durağan olmamanın sınıflandırma modellerinin performansı üzerindeki etkisi tam olarak açık değildir.
Neden herkes modellere bu kadar takıntılı? neden hiç kimse işaretler temasını geliştirmiyor? neden kimse durağanlıktan bahsetmiyor? neden kimse bu sorunları çözmeye çalışmıyor? neden kimse fiyatları neyin yönlendirdiğini hiç düşünmüyor? neden?
Girdi olarak bir stokastik beslerseniz, hangi modeli kullandığınızın önemi yoktur .....
Durağan olmama kesinlikle öngörülemezlik anlamına gelmez, beklenen değer ve varyans kayması gibi basit istatistiklerin, hatta bu kaymanın düzenliliğinin bile analiz edilmediğini, eğer sürükleniyorsa durağan olmadığını söyler. ML bağlamında, tesislerde inşa edilen sistemler için durağan olmama bir sorun değildir, durağan olmama bir sorundur, beklenti ve varyasyonun parçalı sabitliği. ML, özellik olarak pencereli matematiksel beklentiler (makineler) ve varyasyonu (bolingerler) kullanabilir, ancak bunlar çok az özelliktir ve bu özelliklerin hataları kısmen ortadan kaldırılabilir. Asıl sorun, piyasanın mevcut özellikler tarafından hiç belirlenmeyen yeni bilgilere hızlı tepkileri, içeriden bilgi için bir umut ve katılımcıların belirli davranış kalıpları haber açıklanmadan önce ortaya çıktığında buna bağlı yaygın “haberciler”. Yani, içeriden öğrenenlerin eylemleri nedeniyle, piyasa daha öngörülebilir.
Neden bir stokastik'e ihtiyacınız var? Aslında, stokastiğin ML'si için olağan momentumdan farklar büyük değildir, basit bir pencereli getiri beklentisi olarak momentum dışında bir şey kullanmak hiçbir anlam ifade etmez. Konvansiyonel ekonometrik modellerde ( AR , ARMA , GARCH ,.., vb ) ne kullanıldığına bir bakın, sadece geri dönüşlerden, yani momentumlardan geri dönüşler, varyasyonlar ve vuruşlar var ve bu kolay değil, ancak tüm bunlar otuzbir ile otuzbir çekiyor. bir “ideal gösterge”, özellikle bağlamında, geride kalmasın diye yumuşatmak için, simyacıların bir filozofun taşını veya cahil bir sürekli hareket makinesini yapmak için eziyetlerine benzer, bilgisiz fanatiklerdir. Ancak göstergeler sadece düzgün değil, örneğin “seviyeler” de en önemli işaretlerden biri olabilir, yani grafikte gözlerimizle gördüğümüz, insanların ayak bastığı seviyeler. Burada, böyle bir özelliği resmileştirmeye ve programlamaya çalışın ve istatistiksel olarak ne kadar önemli olduğunu kontrol edin.
Durağan olmama kesinlikle öngörülemezlik anlamına gelmez, beklenen değer ve varyans kayması gibi basit istatistiklerin, hatta bu kaymanın düzenliliğinin bile analiz edilmediğini, eğer sürükleniyorsa durağan olmadığını söyler. ML bağlamında, tesislerde inşa edilen sistemler için durağan olmama bir sorun değildir, durağan olmama bir sorundur, beklenti ve varyasyonun parçalı sabitliği. ML, özellik olarak pencereli matematiksel beklentiler (makineler) ve varyasyonu (bolingerler) kullanabilir, ancak bunlar çok az özelliktir ve bu özelliklerin hataları kısmen ortadan kaldırılabilir. Asıl sorun, piyasanın mevcut özellikler tarafından hiç belirlenmeyen yeni bilgilere hızlı tepkileri, içeriden bilgi için bir umut ve katılımcıların belirli davranış kalıpları haber açıklanmadan önce ortaya çıktığında buna bağlı yaygın “haberciler”. Yani, içeriden öğrenenlerin eylemleri nedeniyle piyasa daha öngörülebilir.
...
Ne?
Durağan olmama kesinlikle öngörülemezlik anlamına gelmez , beklenen değer ve varyans kayması gibi basit istatistiklerin , hatta bu kaymanın düzenliliğinin bile analiz edilmediğini, eğer sürükleniyorsa durağan olmadığını söyler. ML bağlamında, tesislerde inşa edilen sistemler için durağan olmama bir sorun değildir, durağan olmama bir sorundur , beklenti ve varyasyonun parçalı sabitliği. ML, özellik olarak pencereli matematiksel beklentiler (makineler) ve varyasyonu (bolingerler) kullanabilir, ancak bunlar çok az özelliktir ve bu özelliklerin hataları kısmen ortadan kaldırılabilir. Asıl sorun, piyasanın mevcut özellikler tarafından hiç belirlenmeyen yeni Bilgiye hızlı tepki vermesidir, yalnızca içeriden bilgi için umut vardır ve katılımcıların belirli davranış kalıpları haber yayınlanmadan önce göründüğünde bununla ilişkili yaygın “haberciler” vardır. duyurdu. Yani, içeriden öğrenenlerin eylemleri nedeniyle piyasa daha öngörülebilir.
1. Durağan olmama = varyans sonsuza eşittir. "Drift" bir yeniliktir!
2. Kırmızıyla vurgulanmış - patlamış mısır ve birayla dolu. MO yöntemlerini kullanarak fiyat aralığı tahmini ile şovu bekliyorum!
1. Durağan olmama = varyans sonsuza eşittir. "Drift" bir yeniliktir!
2. Kırmızıyla vurgulanmış - patlamış mısır ve birayla dolu. MO yöntemlerini kullanarak fiyat aralığı tahmini ile şovu bekliyorum!
Buradaki bira ve patlamış mısır üreticilerine desteğinizle pek ilgilenmiyoruz.
Burada, piyasa sorunlarını belirleme ve çözme konusundaki düşüncelerle ilgileniyoruz. ve genel olarak değil, pozisyonlar hakkında karar verirken.
Benim için iki sorun var:
1. Teklifin DEĞER (DEĞER) tahmininde durağan olmama
2. Kotirin hareket yönünü tahmin ederken yeniden eğitim.
Aynı zamanda, ML çerçevesinde, yalnızca sorunu adlandırmakla kalmaz, aynı zamanda sorunları çözmek için bir araç tartışabilir, ayrıca elde edilen sonucun doğruluğunu haklı gösterebilir.
Ne?
Neden?
1. Durağan olmama = varyans sonsuza eşittir. "Drift" bir yeniliktir!
2. Kırmızıyla vurgulanmış - patlamış mısır ve birayla dolu. MO yöntemlerini kullanarak fiyat aralığı tahmini ile şovu bekliyorum!