Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3127
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
Strateji göz önüne alındığında, piyasanın gün içi trendini değiştirmeye başladığı sonucuna geçici olarak varabileceğimizi düşünüyorum.
Asıl soru, tarihte şimdi daha sık ortaya çıkan faktörler olup olmadığı ve belki de bunların tahmin edilip edilemeyeceği ya da olasılık yanlılığında doğrusal bir büyüme olup olmadığıdır.
Ya da daha önce görülmemiş tamamen yeni olaylardır (belirleyici göstergelerin kombinasyonları).
Açık olan bir şey var ki, durumun dinamiklerini dikkate alan farklı bir model oluşturma yöntemine ihtiyacımız var. O zaman kuantum segmenti olasılığının diğer faktörlerin ortaya çıkması/pekiştirilmesi nedeniyle değişmesini açıklamaya ve bu diğer faktörleri önceden tahmin etmeye çalışabiliriz. Başka bir deyişle - neyin değiştiğini ve bu değişimin tahmin edilip edilemeyeceğini anlamak ve nihai modelde bu değişiklikleri hesaba katmak gerekir.
Ne ticareti yapıyoruz?
Trendler mi?
Kalıplar mı?
Garches aracılığıyla artışların istatistikleri mi?
Önce karar vermemiz, sonra da sonuç çıkarmamız gerekiyor.
Yine Garchie'ler.
Garchilerin nesi var?
Sadece iki seçenek, trend ticareti sayılmaz, bu yüzden ya MO ya da garchi aracılığıyla kalıplar.
Neyin ticaretini yapıyoruz?
Trendler?
Kalıplar mı?
Garci aracılığıyla artışlara ilişkin istatistikler?
Önce karar vermeli, sonra sonuç çıkarmalısınız.
Örneklem büyüklüğü hakkında bir sorunuz var mı?
Özünde ne cevap vereceğimi bilmiyorum.
Muhtemelen gün içi bir trendin başlangıcına dair bir model.Acaba burası ne tür bir kütüphane?
Sorunuzu cevaplamak için: Bu DLL , erişim anahtarlarını kontrol etmek için benim gerçek ve MarketTrader Uzman Danışmanı kullanıcılarımın demo hesapları . Bağlantı Google Cloud 'daki bulutuma gidiyor. DLL ayrıca otomatik periyodik optimizasyon için de kullanılır. DEMO kaynağını yayınlamak için eklerde (kodun bir kısmı yayın için değildir - özellikle otomatik optimize edicinin kodu).
Merhaba!
Bazen burada 10-20 yıl için optimize edilmiş grafiklere bakıyorum. Ya da bazı yerlerde 3 yılda nerede 2 yılda nerede 1 yılda - erikler var. Ama grafik büyüyor.
Robotun karlı bir şekilde ticaret yaptığı büyüme artışları modellerini bulmak mümkün mü?
Burada ilginç bir şey fark ettim.
Veri kaymasını herkes bilir. Sadece tahmin edicileri tekmelemeye alışkınız, ancak zaman içinde stratejinin kendisine ne olduğunu görmeye karar verdim.
Bu deneyin neyle ilgili olduğunu anlamıyorum. Strateji sonuçlarının esnekliği tahmin edicilerin sapmasına bağlıdır, değil mi? Strateji tahmin edicilere bağlıdır.
Bu deneyin neyle ilgili olduğunu anlamıyorum. Strateji sonuçlarının esnekliği tahmin edicilerin sürüklenmesine bağlıdır, değil mi? Strateji tahmin edicilere bağlıdır.
Aslında hedefin sapması ile ilgilidir - bir zaman aralığında istatistiksel özelliklerindeki değişiklikler...
Esasen hedefin sürüklenmesiyle ilgilidir - bir zaman aralığında istatistiksel özelliklerindeki değişiklikler...
özellik kaymasına bağlı olan
Bağımlılık eğrisi, özelliklerin varsayımsal-teorik kaymasına (ev kadınları arasında CATE) karşı çizilirse, hedefin özelliklerindeki değişim esnekliğini elde edersiniz.özelliklerin sürüklenmesine bağlı olan şey
Bağımlılık eğrisini özelliklerin hipotez-teorik sürüklenmesine (ev kadınları arasında CATE) karşı çizerseniz, hedef özelliklerin değişim esnekliğini elde edersinizMaalesef cevabınızı anlayamadım. Tam olarak ne yapmanız gerekiyor? Ve "özelliklerin hiptoetik-teorik sürüklenmesi" ne anlama geliyor - hepsinden mi yoksa her birinden ayrı ayrı mı? Bunu python'da yapmayı denediniz mi? A/B testi için geçiş noktasını biliyoruz, ancak burada böyle bir nokta yok - kademeli değişim.
Tahmin edicilerin kayması, varyanstaki bir değişiklik ve olasılık dağılımındaki bir değişiklik ile ortaya çıkabilir.
Buna göre, ilk durumda, mantık geçmiş örnekte kalır, ancak açgözlülük yöntemi onu çıkaramaz.
İkinci durumda, tahmin ediciler tarafından tanımlanan olayların sonuçlarının mantığı değişmiştir.
Ayrı olarak, veri normalleştirme eksikliğinden kaynaklanan sapmayı da not edebiliriz. Bizim durumumuzda, fiyat aralıkların dışına çıktığında ve tahmin ediciler bunu dikkate almadığında geçerlidir. Örneğin, bir şeyi yalnızca noktalar halinde ölçmek.