Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 741
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
Başlangıç seviyesi bir soru...
Pekala, bu pi'ye bağlı .. gitti. Bu benim kendime ... Elk, bu iki haftadaki ilk ... Ama umutsuzluğa kapılmıyorum ve TS üzerinde çalışmaya devam ediyorum.
Tabii ki deneyimim yok, bu yüzden anlamadığım bir şey sormakla ilgileniyorum.
Tabii ki deneyimim yok, bu yüzden anlamadığım bir şey sormakla ilgileniyorum.
Sinir ağları ve makine öğrenimi teknolojisini kendi başınıza anlamaya çalışın. orada konuşuruz...
Sinir ağları ve makine öğrenimi teknolojisini kendi başınıza anlamaya çalışın. orada konuşuruz...
Öğretmene ve akıl hocasına bu konuda müdahale etmem...
Varyasyon küçük olduğu için, 30 Lern gözlemi ve 30 test için %90 doğruluk elde ederseniz, o zaman başka seçenek yoksa bir şansınız olabilir, ancak pazar>%95 gürültü, bu nedenle binlerce ihtiyacınız var. En azından mutlak değerde karşılaştırılabilir bir tahmin elde etmek için hata yapmak için kat daha fazla puan.
Not: merkezi limit teoremi istatistiklerin temelidir ve onun soyundan gelen MO, mekanikte F = ma gibidir, ona bu kadar saygısızlık etmemelisiniz ..
Durağan olmayan rastgele değişkenler üzerinde limit teoreminin uygulanmasını nerede gördünüz?
İş bulamıyor musunuz? Zamanı güçle çarpın!
(Evrensel ipuçlarının toplanması.)
;))))
İşte "durağan olmama sorunu" hakkında başka bir sapkınlık ...
Getiri durağandır ve volatilite tarafından düzeltilirse neredeyse Gauss'tur, ancak sadece buna ihtiyaç vardır, durağan olmayan fiyatın kendisi hesaplamalara dahil edilmez.
GARCH üzerinde çalışıyoruz ve burada geri dönüşler için "durağan olmama sorunu" hakkında başka bir sapkınlık yaymıyoruz. Yüzlerce GARCH modeli, tüm bu insanların böyle bir soğukkanlılığı olmamasına rağmen, getirilerde durağan olmamanın nüanslarını hesaba katmaya çalışıyor.
...
Niye ya?
Evet, çünkü bir ilacın teorik olarak yaratılmasında, ilacın hastalık üzerindeki etkisini kanıtlamak için büyük çaba harcanmaktadır.
Sadece her şeyi bir araya getirmemizde farklılık gösteriyoruz. Konuya bakın: algılayıcılar hakkında %99 ve veri madenciliği hakkında neredeyse hiçbir şey yok.
Ve burada ilaçların yaratıcılarını nerede gördünüz? Bazı tüketiciler, rasgele ormanları almayı bıraktınız, şimdi arcch garch içiyorsunuz - ancak hastalar ...
Grarch'ı incelemeye çalıştım, hatta birkaç kez tekrar aldım. Ama ne zaman aşılmaz istatistik ve ekonometri terimlerinden oluşan bir duvarla karşılaştım ve asla ustalaşamadım.
Ama yine de önemli bir şeyin farkına vardım. Arima ve Garch, daha sonra fiyatın elde edildiği zaman serilerinin iç durumlarını modellemek için çok zaman harcarlar. Onlar. Dünyada meydana gelen düzinelerce küresel süreç var ve fiyat zaten bunların bir kombinasyonu. Bu nedenle, zaman serilerinin kendisini modellemek yerine, bu gizli süreçleri modellemeye çalışmak ve ihtiyacımız olan zaman serilerini elde etmek için bu süreçlerin etkileşimini modellemek daha iyidir.
Garch ve Arim, meydana gelen bu gizli süreçler hakkında (mevsimsellik, trend, vb.) bazı yerleşik fikirlere sahiptir, ancak bunlar, onlarca yıl önce bu modellere gömülü formüllerle sınırlıdır. Bu iç piyasa koşullarını tanımlayacak kendi göstergelerimizi oluşturmaya çalışmak için ML'yi kullanabiliriz ve burada zaten garch'tan çok daha az kısıtlama var. Ama hata yapmak da kolaydır, aynı zamanda çok zor bir iştir.
Getiri durağandır ve volatilite tarafından düzeltilirse neredeyse Gauss'tur, ancak sadece buna ihtiyaç vardır, durağan olmayan fiyatın kendisi hesaplamalara dahil edilmez.
Tarihteki veya yeni bir kene gelişindeki oynaklığı düzeltiyor musunuz? Örneğin bir hareketi yarım nokta geriye kaydırarak ve orijinal alıntılardan çıkararak, kalan kısımda neredeyse Gauss elde edebileceğiniz açıktır. Ancak, en ilginç yerde - sağ kenarda, oynaklıkta neler olduğunu bilmek için, örneğin, hareket döneminin gelecekteki tabanını bilmeniz gerekir. Ve onları nereden alabilirim?
Grarch'ı incelemeye çalıştım, hatta birkaç kez tekrar aldım. Ama her seferinde, aşılmaz istatistik ve ekonometri terimleriyle dolu bir duvarla karşılaştım ve asla ustalaşmadım.
Ama yine de önemli bir şeyin farkına vardım. Arima ve Garch, daha sonra fiyatın elde edildiği zaman serilerinin iç durumlarını modellemek için çok zaman harcarlar. Onlar. Dünyada meydana gelen düzinelerce küresel süreç var ve fiyat zaten bunların bir kombinasyonu. Bu nedenle, zaman serilerinin kendisini modellemek yerine, bu gizli süreçleri modellemeye çalışmak ve ihtiyacımız olan zaman serilerini elde etmek için bu süreçlerin etkileşimini modellemek daha iyidir.
Garch ve Arim, meydana gelen bu gizli süreçler hakkında (mevsimsellik, trend, vb.) bazı yerleşik fikirlere sahiptir, ancak bunlar, onlarca yıl önce bu modellere gömülü formüllerle sınırlıdır. Bu iç piyasa koşullarını tanımlayacak kendi göstergelerimizi oluşturmaya çalışmak için ML'yi kullanabiliriz ve burada zaten garch'tan çok daha az kısıtlama var. Ama hata yapmak da kolaydır, aynı zamanda çok zor bir iştir.
GARCH ve ML rakip değiller, birbirlerini tamamen tamamlıyorlar, şu anda yaptığım şey bu: ML alanındaki eski gelişmeleri birleştirmeye çalışmak bir trend ve giriş noktasını belirlemek için GARCH'ı eklemek. Bir yıllık ticaret için bana gerekli miktarda parayı veren bir danışmanım olduğunu zaten yazdım. Hem RF hem de uyarlanabilir arabalardan (değiştirilmiş yuri) oluşuyordu. Ancak bu çift durağan olmama problemini çözmedi.
Küresel olarak, iki tür model arasında ayrım yapıyorum:
Nedense bu konudaki herkes MO'ya sarıldı. Hangi temelde? Sınıflandırma, hedef değişken ve tahmin edicileri arasındaki bazı ilişkilere dayanmaktadır.
İlk olarak, karşılıklı bilgide olduğu gibi, buradaki ilişkiyle ilgili herhangi bir tahıl anında gevezelik ediyor.
İkincisi, hedef değişken üzerinde yordayıcıların böyle bir etkisi varsa, bu etkinin zamanla değişmeyeceğini kim kanıtladı? Gerçek bir ticaret danışmanı temelinde, her çubukta daha önce bulunan 27 tahmin ediciden bunların seçildiğini ve 5 ila 15 arasında kaldığını ve bu listenin 27 tahmin edici içinde sürekli değiştiğini zaten birçok kez yazdım. Onlar. tahmin edicilerin hedef değişken üzerindeki etkisinin büyüklüğü zamanla ve oldukça hızlı bir şekilde değişir.
Bu nedenle, danışmanın fikri aşağıdaki gibidir: