트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3056

새 코멘트
 
mytarmailS #:
한 줄의 코드입니다.

그리고 당신은 자기기만에 빠지지 않도록 자신을 위해 직접 했어야했습니다.....
그래서 당신이 아직도 모르는 것이 이상하거나 당신은???? :) 하지만 우리는 그것에 대해 알 필요가 없습니다 :)

주제에 대한 내용이 있습니까? 읽는 것이 재미 있습니다.
아니요-괜찮아요
 
Maxim Dmitrievsky #:
그 주제에 대해 아는 게 있나요? 재밌네요.
아뇨, 다행이네요.

주제에 관한 거 아닌가요?

뭐가 그렇게 웃겨요?
 
Maxim Dmitrievsky #:

매트릭스 수준에서는 그렇습니다. 평균적으로 여러 모델이 새로운 데이터(검증 하위 샘플)에 대해 동일한 것을 예측하는 데 오류가 있는 경우 전혀 예측할 수 없으며 "거래하지 않음"으로 이동합니다.

특정 시간과 해당 시그널/신호 값을 "동일한 것"으로 간주할 수 있습니다.

때로는 재 장착 (쓰레기가 버려진 채로)을하여 구멍이있는 이불을 얻었습니다. 그런 다음 남은 퀼트 조각을 분류하고 구멍을 뚫어 이미 작은 퀼트 (패턴이있는 규칙적인 모양의 섬)를 얻었습니다. 그 후 더 이상 아무것도 버리지 않고 각각의 작은 퀼트를 훈련했습니다.


이런 식으로 오버핏은 예측 가능한 섬을 빠르게 식별하는 데 도움이되었습니다. 동시에 재피팅에서 벗어날 수 있었습니다.


예를 들어 오후에 30분 동안 오래 지속되는 패턴을 발견했습니다.

 
fxsaber #:

때로는 (쓰레기를 던져 넣은 채) 다시 끼워 넣어서 구멍이있는 이불을 얻었습니다. 그런 다음 남은 퀼트 조각을 분류하고 일부 구멍을 꿰매어 패턴이있는 규칙적인 모양의 섬인 작은 퀼트를 만들었습니다. 그 후 아무것도 버리지 않고 각각의 작은 퀼트를 훈련했습니다.


이러한 방식으로 오버피팅은 예측 가능한 섬을 빠르게 식별하는 데 도움이 되었습니다. 동시에 과적합을 피하는 데도 도움이 되었습니다.


예를 들어 오후에 30분 동안 지속되는 패턴을 발견했습니다.

털이 많은 공이 이미 작은 담요를 타고 있었나요? :)
 
Maxim Dmitrievsky #:
털이 많은 공이 작은 담요 위에서 굴러다녔나요? :)

네. 그렇지 않으면 포인트가 사라집니다.

 
fxsaber #:

네. 그렇지 않으면 포인트가 사라집니다.

훈련이 없는 하위 샘플과 훈련이 있는 하위 샘플을 비교할 때 빵으로 표현할 수도 있습니다("치료"의 효과 추정).

T=1 치료가 있는 샘플, T=0 치료가 없는 샘플, 평균은 평균적으로 치료 효과가 있었는지 여부의 차이입니다.

저는 아직 인과관계 추론에는 서툴습니다.


 
Maxim Dmitrievsky #:

또한 훈련이 없는 하위 샘플과 훈련이 있는 하위 샘플을 비교할 때 빵으로 표현할 수도 있습니다('치료' 효과의 추정).

T=1 치료가 있는 샘플, T=0 치료가 없는 샘플, 평균은 평균적으로 치료 효과가 있었는지 여부의 차이입니다.

나는 연관성에 약점이 있다. 나는 나를 전혀 이해하지 못한다.

저는 여전히 인과관계 추론에 취약합니다.

의사소통의 형식이 나쁘고 이상해요. 확실히 깊이 생각하게 하는 좋은 동기부여가 되는 것은 확실합니다.

 

그래프는 임의의 함수에 의해 생성됩니다.


실제와 구별할 수 있나요????

모든 캔들 스틱 구성, 에스키모, 테이크 오버... 모든 것이 있습니다.

library(quantmod)
library(xts)

len <- 20000

times <- seq(as.POSIXct("2016-01-01 00:00:00"), length = len, by = "sec")

random_prices <- cumsum(rnorm(len))
s <- as.xts(random_prices,order.by = times)
s <- to.period(s,period = "minutes",k = 5,indexAt = 'startof')

chart_Series(s)


진짜는 무엇이고 마음의 환상은 무엇입니까?


그리고 내 저자의 정확한 입력 기술은 거기에서도 작동합니다, 무작위로 !!! 어떻게 가능합니까?????

 

모든 종류의 트렌드와 다양한 상황을 모델링한 다음 TS의 파라미터를 계산할 수 있습니다.


 

사인 곡선 모델에 "캔들 스틱을 입히기"

두 개의 사인 곡선 모델에서 캔들스틱 측면에서 반전이란 무엇인가요?

주요 파동에서 변동성이 통계적 최저치로 떨어지는 것을 말합니다.

여기에서 추세 진입이 무엇인지 확인할 수 있습니다.

1...304930503051305230533054305530563057305830593060306130623063...3399
새 코멘트
사유: