Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1775
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Grüße an die Händler. Ich habe eine kleine Frage, aber treten Sie mich nicht, sondern geben Sie mir einen Rat. Zum Beispiel, ich weiß, die Richtung der Preisbewegung für 5-10 Jahre, ich habe eine ungefähre Struktur der Preisbewegung in Form einer Figur und die Anzahl der Punkte in eine Richtung. Dann habe ich eine Frage, was sollte in den EA eingeführt werden, ist es notwendig, Indikatoren zu wählen und sie einzuführen. Sollte ich ein neuronales Netz verwenden, um eine ungefähre Preisbewegung zu optimieren und dann laufen sie, als Ergebnis muss ich 2-5 Indikatoren oder ein Neuron verwenden. Weitere Methoden, die ein Martin braucht oder auch nicht, sind für mich vielleicht 2-3 Trades, die ohne übergroße Menge auf die Korrektur öffnen und dann geschlossen werden. Ich wäre Ihnen für Ihren Rat dankbar. Ich würde das zu schätzen wissen.
Wenn Sie 2-5 Indikatoren verwenden können und das Ergebnis zufriedenstellend ist, brauchen Sie natürlich kein Neuron, sondern nur Indikatoren.
Wo man es braucht, ist Eisen, und das Eisen darin ist meteoritisch, und Betonverbundstoff ;-) und es ist auch nützlich, am Ufer eines Flusses zu sitzen... oder beobachten Sie den Kampf von oben...
Aus meiner Erfahrung:
- was TC/NS unterrichtet werden soll, spielt eine große Rolle. Ich selbst bin der festen Überzeugung, dass es nicht um Geld, sondern um Stabilität geht (Ljapunow, Prigoschin);
- Robuste Ergebnisse sind zuverlässiger, wenn TS so "geschlossen" wie möglich optimiert/gelernt/entwickelt wird, d. h. alles, was im wirklichen Leben darin funktionieren wird, ist bereits enthalten.
Nun, es ist klar, dass wir mit den Zielen spielen sollten, aber ich verstehe das letzte nicht, was es ist und warum es rot markiert ist
Weiß jemand, warum Klassifizierungsmodelle (z. B. xgboost, catboost ) Logarithmen von Odds Ratios (log_odds) speichern?
Daraus können wir dann die Klassenwahrscheinlichkeit nach der Formel prob=1/(1+exp(-log_odds))
berechnen. Was ist der Sinn davon? Auf den ersten Blick wird es unnötige Berechnungen mit dem Exponenten geben. Es ist einfacher, die Wahrscheinlichkeit auf einmal zu speichern.
Wenn sie es tun, bedeutet das, dass es einen Sinn hat?
Bei der letzten, rot hervorgehobenen Frage verstehe ich nicht, was sie ist und wie sie gemacht wird.
Es geht um die Tatsache, dass das in Teilen aufgebaute/trainierte etc. System (ein Stop wurde dem Signal hinzugefügt, dann wurde MM hinzugefügt, etc.) mit sehr hoher Wahrscheinlichkeit verlieren wird.
Es ist großartig, wenn das System einen automatisch kontrollierten Parameter hat, bei dessen kritischer Änderung es sich abschaltet und mitteilt, dass es nicht mehr funktioniert", bevor DD.
Oh, Leute, ich war letzte Nacht so betrunken, dass es unglaublich ist. Obwohl ich es jetzt wirklich spüre. Und diese Bastarde, jeder wusste es und niemand hat mich aufgehalten. Nun, ich werde Sie daran erinnern :-)
Lassen Sie mich sehen, was mit meinem Konto los ist???? Du bist fett geworden, aber das ist in Ordnung. Schließlich kann man, wenn man einen robusten TS hat, Geld verdienen, indem man sich im Papolama komplett überschneidet, aber ich empfehle nicht, es zu überprüfen...
Weiß jemand, warum in Klassifizierungsmodellen (z. B. xgboost, catboost) die Logarithmen der Odds Ratios (log_odds) gespeichert werden?
Daraus kann man dann die Wahrscheinlichkeit einer Klasse mit der Formel prob=1/(1+exp(-log_odds)) berechnen
Was ist der Sinn der Sache? Auf den ersten Blick würde es unnötige Berechnungen mit dem Exponenten geben. Es ist einfacher, die Wahrscheinlichkeit auf einmal zu speichern.
Wenn sie es tun, macht es doch Sinn, oder?
Ich habe es irgendwo in Tutorials gesehen... es scheint eher für das Vorlernen oder etwas Ähnliches geeignet zu sein.
Weiß jemand, warum Klassifizierungsmodelle (z. B. xgboost, catboost) Logarithmen von Odds Ratios (log_odds) speichern?
Daraus kann man dann die Wahrscheinlichkeit einer Klasse mit der Formel prob=1/(1+exp(-log_odds)) berechnen
Was ist der Sinn der Sache? Auf den ersten Blick würde es unnötige Berechnungen mit dem Exponenten geben. Es ist einfacher, die Wahrscheinlichkeit auf einmal zu speichern.
Wenn sie es tun, macht es doch Sinn, oder?
Diese, wie Sie sagen, "Quoten" können addiert werden, also werden sie auf diese Weise gespeichert.
Oh, Leute, ich war letzte Nacht so betrunken, dass es unglaublich ist. Obwohl ich es jetzt wirklich spüre. Und diese Bastarde, jeder wusste es und niemand hat mich aufgehalten. Nun, ich werde Sie daran erinnern :-)
Lassen Sie mich sehen, was mit meinem Konto los ist???? Du bist fett geworden, aber das ist in Ordnung. Immerhin, wenn Sie eine robuste TS haben, können Sie Geld verdienen, die absolut überlappend in papolama, aber ich empfehle nicht, es zu überprüfen...
Das ist noch gar nichts, mir ist nur eingefallen, dass ich gestern in Shorts und Flipflops ins Buy More gegangen bin und unsere Bäume noch nicht einmal blühen. Die Leute im Laden haben über mich gelacht. Es ist verrückt, Mann, ich schüttle immer noch meine Leber...
Das ist noch gar nichts. Mir fällt gerade ein, dass ich gestern in Shorts und Flipflops ins Buy More gegangen bin und dass bei uns noch nicht einmal die Bäume blühen. Die Leute im Laden haben über mich gelacht. Es ist verrückt, Mann, ich schüttle immer noch meine Leber...
Wie wäre es mit keinen Shorts? :)
Wie wäre es mit keinen Shorts? :)