Makroekonomik göstergelere dayalı piyasa tahmini - sayfa 44
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
Banal bir kitap satışıyla her şeyin biteceğini düşünmemiştim, sana söylerdim)))) Üzgünüm))) ölüyorum ...
Tüm modern ekonomik matematiği iki kısma ayırırdım:
...
Görünen o ki, fark edilmesi güç farklar çok ciddi sonuçlar doğuruyor.
...
Hem birinci hem de ikinci durumda, veri ekstrapolasyonu bu şekilde kullanılır. Araba bir atla değiştirilirse, o zaman atlı bir araba olarak kalacaktır - bir ekstrapolasyon. Başlangıçta gelecekteki bir şeyde bir değişikliği etkileyen faktörleri mi arıyoruz, yoksa meydana gelen değişikliği bu faktörlerle mi karşılaştırıyoruz - sonuç aynı, bize göre geleceği tahmin etmesi gereken bir model. geçmişten gelen verilere dayanmaktadır.
Şahsen, tüm ticaret yaklaşımlarını diğer iki gruba ayırırdım:
İlk grupla, her şey az çok açıktır. Bunlar, kendilerine bağlı olduğu varsayılan değişkeni - fiyatı açıklamaya çalışmak için farklı ağırlıklara sahip sonsuz tahmin edici kombinasyonlardır. İkinci grubun çalışma prensibi farklıdır. Spesifik süreç özelliklerinin tanımlanmasına ve ardından bu özelliklerin kullanılmasına dayanır. Örneğin, model sürecin güçlü bir tekrarını tanımlayabiliyorsa, o zaman böyle bir özelliğe sahip pazarlar bulur ve "seviyeden bir toparlanma ile" işlem görmeye başlar. Aynı zamanda, bu büyülü "seviyeyi" veya belirli ticaret tekniklerini belirlemek için belirli kurallar çok önemli değildir. Sadece sürecin gerçekten bu özelliğe sahip olması ve bunu zaman içinde değiştirmemesi önemlidir. Aynı zamanda, pazara her belirli girişin sonucu kesinlikle önemli değildir, çünkü. belirli bir işlem için tahminin kendisine dair bir kavram yoktur. Yalnızca sürecin özelliklerine bağlı olan nihai istatistikler önemlidir.
Hem birinci hem de ikinci durumda, veri ekstrapolasyonu bu şekilde kullanılır. .
Burada sadece bilmiyorsun. Makine öğrenimi sınıflandırma modellerinde böyle bir ekstrapolasyon yoktur.
Örneğin, ormanlar.
Ağaçlar eğitim örneği üzerine inşa edilir, genellikle 3000 bardan daha fazla bir örnek için 100'den fazla ağaç elde edilir - bir ağaç ormanı. Her ağaç TA açısından bir kalıptır.
Bir sonraki çubuğun gelmesi üzerine, bu son çubuğa karşılık gelen tahmin edicilerin kombinasyonu ağaçlar arasında aranır. En uygun olan 1. ağaç, 50. veya son ağaç olabilir. Buradaki ekstrapolasyon nerede?
Spesifik süreç özelliklerinin tanımlanmasına ve ardından bu özelliklerin kullanılmasına dayanır.
Bir eğitim örneği oluşturabilirseniz harika bir fikir. Sorun hocada. Ve böylece kolları...
Burada sadece bilmiyorsun. Makine öğrenimi sınıflandırma modellerinde böyle bir ekstrapolasyon yoktur.
Örneğin, ormanlar.
Ağaçlar eğitim örneği üzerine inşa edilir, genellikle 3000 bardan daha fazla bir örnek için 100'den fazla ağaç elde edilir - bir ağaç ormanı. Her ağaç TA açısından bir kalıptır.
Bir sonraki çubuğun gelmesi üzerine, bu son çubuğa karşılık gelen tahmin edicilerin kombinasyonu ağaçlar arasında aranır. En uygun olan 1. ağaç, 50. veya son ağaç olabilir. Buradaki ekstrapolasyon nerede?
Spesifik süreç özelliklerinin tanımlanmasına ve ardından bu özelliklerin kullanılmasına dayanır.
Bir eğitim örneği oluşturabilirseniz harika bir fikir. Sorun hocada. Ve böylece kolları...
Neden idare ediyor, Kohonen mükemmel bir şekilde sınıflandırıyor, sadece işaretlerin sunulması gerekiyor Kohonen haritaları hakkında bir kez daha
Bir öğretmen olmadan sınıflandırma yöntemlerinin ticaretindeki pratik değeri anlamıyorum. Ne de olsa, belirli şeyleri takas ediyoruz: uzun şortlar, bir arıza - seviyenin geri dönüşü ...
Ve burada? Bir PCA var, bu yüzden tahmin edicileri yeniden biçimlendiriyor ve yeni kümenin çok sayıda ilginç özelliği var, ama burada?
Bir öğretmen olmadan sınıflandırma yöntemlerinin ticaretindeki pratik değeri anlamıyorum. Ne de olsa, belirli şeyleri takas ediyoruz: uzun şortlar, bir arıza - seviyenin geri dönüşü ...
Ve burada? Bir PCA var, bu yüzden tahmin edicileri yeniden biçimlendiriyor ve yeni kümenin çok sayıda ilginç özelliği var, ama burada?
Bir öğretmen olmadan sınıflandırma yöntemlerinin ticaretindeki pratik değeri anlamıyorum. Ne de olsa, belirli şeyleri takas ediyoruz: uzun şortlar, bir arıza - seviyenin geri tepmesi ...
Ve burada? Bir PCA var, bu yüzden tahmin edicileri yeniden biçimlendiriyor ve yeni kümenin çok sayıda ilginç özelliği var, ama burada?
Öğretmen olmadan öğrenme nedir - otomatik kalıp seçimi. Kalıplara sahip olarak, harita üzerinde "belirli şeyler: uzun şort, koparma-geri tepme ..." kümelenmesinin noktalarını buluyoruz ve sonra bu noktaları etkinleştirmek için çevrimiçi sinyalleri bekliyoruz.
Öğretmen yoksa, kalıpların anlamı net değildir.
öğretmen nedir?
Alıntı parçası uzunlara karşılık gelir ve bu alıntı parçası şortlara karşılık gelir. Modeli eğitirken, tahmin edici değer kümeleri öğretmene karşılık gelen iki sınıfa ayrılır.
Peki ya öğretmen yoksa? Kalıpların anlamı nedir?
Peki ya öğretmen yoksa? Kalıpların anlamı nedir?