Мы продолжаем строить ансамбли. Теперь к bagging-ансамблю, созданному ранее, добавим обучаемый объединитель — глубокую нейросеть. Одна нейросеть объединяет 7 лучших выходов ансамбля после обрезки. Вторая принимает на вход все 500 выходов ансамбля, обрезает и объединяет их. Нейросети будем строить с... Глубокие нейросети (Часть VI). Ансамбль...
即不考虑历史的变化,即2016年第一季度与2017年第一季度不一样?
还有分形,所以我几乎有一个分形系统来测量1小时、4小时、1天、1周、1个月 范围内的价格波动。计算出计划中的波动规模,看看此刻的价格在哪里(在什么水平)。
它不是分形的))。
只是每个季度的模式都会发生变化,有时会发生巨大的变化。
即系统在关节处发生故障的概率很高它不是分形的 ))
只是,每一个新的季度,模式都会发生变化,有时甚至是巨大的变化。
怎么不是分形,根据我的系统,小的TF与大的相似,或者反之亦然,随你喜欢,它是一个分形。但相似性的频率是不知道的,因为它是由函数定义的。
也就是说,系统很有可能会在一些关口出现故障。我明白了,但从根本上说,它应该是可行的。)可能本季度是一个趋势运动,当这个运动发生变化时,系统就会崩溃......。
我明白了,但从根本上说,它应该是可行的。)可能本季度是一个趋势运动,当这个运动发生变化时,系统就会崩溃......。
基本原因--过期等。年度报告通常都是报告。
凡是有金钱交易的地方,总是有变化的。
我想玩一下循环搜索,谷歌一下。要知道什么时候进行正确的训练,从什么日期开始,训练到什么程度
没有固定模式的主要原因是资本化和资本流动的不断变化。大资本的流动很少而且很慢。
有没有人能够在振荡器上达到0.2或0.3的误差? 最小的是在0.45左右。此外,它经常在OOS上工作。
但与Trayne的2-2.5倍差距有点令人讨厌。
我不知道什么时候能完成开发并开始实践))。
在弗拉基米尔的文章中
你能给我一个链接吗?
哪个建筑? 你能给我一个链接吗?
好了,你已经读完了......
基本原因--到期日等。年度报告,作为一项规则。
凡是有现金转移的地方,总是有一个结点的变化。
我想玩一下循环搜索,谷歌一下。要知道什么时候进行正确的训练,从什么日期开始,训练到什么程度
没有固定模式的主要原因是资本化和资本流动的不断变化。大资本的流动很少而且很慢。
因此,你需要增加数据量来搜索这样的周期,你需要对2-3年而不是一年进行采样,并增加月份数...
在达奇和榆树上--https://www.mql5.com/ru/users/vlad1949/publications--从第4条开始,雅克的成绩都在70%左右,甚至更高。
好吧,你们都读了...
不错。
是的,我读过了,但是是对角线,因为我不想用R,不是那么运动 )
然后,事实证明,我们需要增加数据量来搜索这样的周期,不要在一年内取样,而是在2-3年内取样,并增加月份数......
我不确定,这方面的信息不多。
但事实证明,例如,如果在一年的最后一个季度,我钻研一个模型,它在整个一年中工作正常,然后它崩溃了。
像这样的事情...
如果是短期的,它可以工作3个月左右,然后就会崩溃......也就是说,我们再次进入一个周期,但每季度一次。