Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 836

 
Maksim Dmitrievski :

Bir tüccar için bu, modellerini öğreten ve onları içeri sokan bir yetkinliktir, şanslı - iyi, şanssız - hiçbir şey kaybolmaz

Yanlış çağrışımlarınız var. Modeliniz, fazla uyum veya yetersiz eğitim nedeniyle kabul edilmediyse, bu, becerinin geliştirilmesi gerektiği anlamına gelir. Orada şans yok.

 
Dr. tüccar :

Yanlış çağrışımlarınız var. Modeliniz, fazla uyum veya yetersiz eğitim nedeniyle kabul edilmediyse, bu, becerinin geliştirilmesi gerektiği anlamına gelir. Orada şans yok.

Ve zaman içinde kaç model hesaplanır? sürekli yarışmaları varsa, o zaman kısa vadeli mi?

ve fonun bundan yüzde olarak ne kadar kazandığı.

 

Her hafta yeni tur. Bir hafta içinde modeli eğitmeniz ve onlara tahmin göndermeniz gerekiyor. Ancak modelinizin ileriye dönük tahminini ancak üç hafta sonra bileceksiniz, bu 3 hafta için tahminleriniz gerçek tahminlerle karşılaştırılacak.

Bence kendilerini en az %90 terk ediyorlar

 
Maksim Dmitrievski :

:)) RL'yi çalışmayı bitirdikten sonra konunuzu tekrar okumaya başlayacağım.

ve tahmincilerinizin benimkinden daha iyi olduğunu varsayarsak, o zaman harika olur

Maxim, ekteki dosyada - AUDCAD için üstel tik okuma aralıklarıyla elde edilen VR (daha kesin olarak, n=0,5'te ayrık geometrik dağılım).

A Sütunu - Teklif

Sütun B - Sor

Sütun C - Kayar pencere yoğunluğu = 10.000

Sütun D - zaman damgası.

Zaman damgası = 0 olduğunda, bu yapay bir psödotiktir.

Onlar. bu sözde sıranın içinde hala gerçek bir VR "oturur".

Gerçek VR'yi orijinalinden çıkarabilir ve sinir ağına 2 VR dönüşü koyabilir misiniz? Biri orijinaldir (sözde + gerçek), ikincisi sadece gerçektir.

İlginç.

Orijinal VR (sözde + gerçek) ile çalışırken, hafızasız en basit akışla çalıştığınızı anlamanız gerekir.

Adım 2. Bu ilk sanal gerçeklikte, yalnızca her 2. teklifi almanız gerekir. Sonradan etki ile 2. dereceden bir Erlang akışı alacaksınız. Kontrol etmek.

Adım 3. Bu ilk sanal gerçeklikte, yalnızca her 3. teklifi almanız gerekir. Sonradan etki ile 3. dereceden bir Erlang akışı elde edeceksiniz. Kontrol etmek.

vb.

İnanılmaz bir şey alırsanız, bir sinyal alırsınız.

Dosyalar:
 
Alexander_K2 :

Maxim, ekteki dosyada - AUDCAD için üstel tik okuma aralıklarıyla elde edilen VR (daha kesin olarak, n=0,5'te ayrık geometrik dağılım).

A Sütunu - Teklif

Sütun B - Sor

Sütun C - Kayar pencere yoğunluğu = 10.000

Sütun D - zaman damgası.

Zaman damgası = 0 olduğunda, bu yapay bir psödotiktir.

Onlar. bu sözde sıranın içinde hala gerçek bir VR "oturur".

Gerçek VR'yi orijinalinden ayırabilir ve sinir ağına 2 VR dönüşü koyabilirsiniz. Biri orijinaldir (sözde + gerçek), ikincisi sadece gerçektir.

İlginç.

Yarın ns'ye sokmaya çalışacağım)

 
Maksim Dmitrievski :

Yarın ns'ye sokmaya çalışacağım)

Doğrulama algoritmasını oraya ekledim. Sadece dikkatli ol, lütfen.

 
Alexander_K2 :

Doğrulama algoritmasını oraya ekledim. Sadece dikkatli ol, lütfen.

evet, kenelerle daha zor olacağını görüyorum ama düzgünce ince ayar yapacağım)

bu satırlarınızın özel MT5 sembollerine sürülmesi gerekiyor, ayrı hazır semboller alacaksınız..

 
Maksim Dmitrievski :

evet, kenelerle daha zor olacağını görüyorum ama düzgünce ince ayar yapacağım)

bu satırlarınızın özel MT5 sembollerine sürülmesi gerekiyor, ayrı hazır semboller alacaksınız..

Pekala, tersini yapabilirsiniz - önce 100. sıradaki Erlang akışını çıkarın ve en basitine inin :))

 

Oynaklığı tahmin etme konusunda. Volatiliteyi tahmin etmenin alıntının kendisinden çok daha kolay olduğunu varsayalım.

Hatta https://en.wikipedia.org/wiki/Markov_switching_multifractal gibi her türden model var.

ne verir, nasıl doğru kullanılır, yapan var mı?

Markov switching multifractal - Wikipedia
Markov switching multifractal - Wikipedia
  • en.wikipedia.org
The MSM model can be specified in both discrete time and continuous time. Let denote the price of a financial asset, and let r t = ln ⁡ ( P t / P t − 1 ) {\displaystyle r_{t}=\ln(P_{t}/P_{t-1})} denote the return over two consecutive periods. In MSM, returns are specified as r t = μ + σ ¯ ( M 1 , t M 2 , t...
 
Maksim Dmitrievski :

Oynaklığı tahmin etme konusunda. Volatiliteyi tahmin etmenin alıntının kendisinden çok daha kolay olduğunu varsayalım.

Hatta https://en.wikipedia.org/wiki/Markov_switching_multifractal gibi her türden model var.

ne verir, nasıl doğru kullanılır, yapan var mı?

GARCH, makine öğreniminin aksine, finansal piyasalarda (eşbütünleşme ve portföylerle birlikte) ana akım olarak adlandırılır.

Modeller, kalın kuyruklar ve uzun süreli bellek a la Hurst (uzun bellek) dahil olmak üzere bir dizi istatistiksel artış nüansını hesaba katar.

Örneğin, S&P500 endeksine dahil olan TÜM hisse senetlerinde GARCH model parametrelerinin seçimi hakkında bir yayın var!

Forex kullanımıyla ilgili yayınlarla dolu. Mükemmel araç seti. Örneğin, rugarch paketi.



Böylece çiftliği terk ediyoruz, otoyola çıkıyoruz ve "Slavların Elveda!" Yürüyüşüne geçiyoruz.