交易中的机器学习：理论、模型、实践和算法交易 - 页 2740

新评论
 
Maxim Kuznetsov #:

是的，真正的铁饼是在背景中呈现最镖师化的镖师（有节制的词）:-)

这一切都源于没有任何结果。你可以改进和改变方法，但结果就像一块 50/50 的石头。

要达到顾问的水平，实力还不够。但模型拟合误差的结果是：拟合误差从 8%到 22%不等，在拟合区域内和样本外差别不大。

 
СанСаныч Фоменко #:

我曾在这个主题中发布过一个表格，但现在不在手边，所以我想用文字来说明我的想法。

我依据的是预测因子与教师相关性的概念。"关联 "并不是指预测因子的相关性或 "重要性"，而是指几乎所有 MOE 模型的拟合结果。后者反映了预测因子在算法中的使用频率，因此土星环或咖啡渣的 "重要性 "值可能会很大。有一些软件包 可以计算预测因子与教师之间的 "联系"，例如基于信息论的 "联系"。

因此，我想谈谈我在这里发布的表格。

该表包含每个预测因子与教师之间 "联系 "的数值估计。随着窗口的移动，得到了几百个 "联系 "值。某个预测因子的这些值各不相同。我计算了每个 "联系 "的平均值和均方根值，从而得出了以下结果

- 隔离 "连接 "过小的预测因子 - 噪音；

- 分离出 "连接 "值变化过大的预测因子。可以找到 "联系 "值足够大且 sd 小于 10%的预测因子。


再次，基于 MO 构建 TC 的问题在于找到在窗口移动时 "联系 "值大而 sd 值小的预测因子。我认为，这样的预测因子将确保未来预测误差的稳定性。

什么数据包？

 
JeeyCi #:

什么样的套餐？

库("熵")

classDist {caret}

我想到的还不止这些。

 
СанСаныч Фоменко #:

我使用自己的算法--它比许多 R 库都要快得多。例如

库（"熵）

你可以直接使用图形：



所有内容都已在本主题上发布。在Vladimir Perervenko 的文章中，所有内容都在代码层面进行了系统的概述和分析

那么，国家在哪里？

.......

 
Renat Akhtyamov #:

那么，牛排在哪里？

.......

没有顾问。

而在 R 中，有预测者的名字，他们才是重点。


几年来，我一直在这个主题上呼吁处理预测者。结果是零。如果没有高质量的预测器，MO 就毫无意义。

 
Renat Akhtyamov #:

那么，牛排在哪里？

.......

重点是什么？

它不是研究对象和最终目标 :-)

 
нСаныч Фоменко #:

没有辅导员

R》中有预测者的名字，这就是重点。


几年来，我一直在这个主题上呼吁预测者。结果是零。没有高质量的预测因子，MO 就没有意义。

在金融市场，激励机制就是金钱。

请理解

如果没有金融指标，就没有激励机制。

例如，我这里有莫斯科证券交易所。

(文件如下，由于某种原因，截图不适合这里，它不愿意）。

和外汇。

当前所有

----

初级，华生

啊哈哈哈哈

附加的文件：
333.png  3 kb
 
Renat Akhtyamov #:

在金融市场，激励机制就是金钱。

请理解

没有财务业绩，就没有激励

现在我知道了。

 
我们需要做些什么才能停止争斗，团结起来，为了同一个事业????????。
 
mytarmailS #:
为了一个目标，我们应该如何停止争斗，团结起来????????？

我们需要互相帮助，不要害怕承认错误，要互相尊重。

1...273327342735273627372738273927402741274227432744274527462747...3399
新评论