Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2075
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
Viele Menschen haben es ausprobiert. Mich eingeschlossen. Es können sowohl einfache MA als auch komplexe Bandpassfilter eingesetzt werden.
Alles, was aus Stäben NS/Wald gebaut werden kann, kann leicht repliziert werden
Was meinen Sie mit leicht? Können Sie Zahlen oder Einzelheiten nennen?
Ich kann das nicht einfach tun.
Ich habe gerade versucht, eine CCI mit Periode 14 zu rekonstruieren, die nur mit Krallen gebaut wurde
Ich erhielt eine Clowes-Rückgabe in einem quadratischen Fenster der Größe 20
Retouren sind also scheiße))
Aber wenn ich das Original (nicht returnees) in eine 0-1 Kante jede Beobachtung normalisieren, sieht es besser aus
Alles, was aus Stäben gebaut werden kann, können die NS/Wälder leicht nachbauen.
Vielleicht irre ich mich, aber die Logik sagt mir, dass Bäume keine Berechnungen durchführen können, was bedeutet, dass sie kein neues Objekt aus Zahlen erstellen können, aber ein Netzwerk kann eine Zahlenreihe umwandeln und ein neues Merkmal erstellen, aus dem man lernen kann.
Vielleicht irre ich mich, aber die Logik legt nahe, dass Bäume keine Berechnungen durchführen können, was bedeutet, dass sie kein neues Objekt aus Zahlen erstellen können, aber ein Netzwerk kann eine Zahlenreihe umwandeln und ein neues Merkmal zum Lernen erstellen.
Ja, das stimmt, einfach ausgedrückt, sind Netzwerke in der Lage, in sich selbst zu interpolieren (zu erfinden (im guten wie im schlechten Sinne))
und Holz kann sich nur gut anpassen
Diese Aufgabe ist nicht sehr nützlich, aber als Ergebnis können wir beurteilen, wie gut wir Daten verarbeiten/normalisieren und im Allgemeinen ihre Qualität, und es ist nicht schlecht zu wissen, dass das Raster nicht funktioniert, nicht weil es dumm ist, sondern weil wir die Daten nicht gut darstellen, oder andersherum.
Na bitte, ein einfaches Experiment, aber Sie gewinnen an Verständnis ))
Vielleicht irre ich mich, aber die Logik sagt mir, dass Bäume keine Berechnungen durchführen können, was bedeutet, dass sie kein neues Objekt aus Zahlen erstellen können, aber ein Netzwerk kann eine Zahlenreihe umwandeln und ein neues Merkmal zum Lernen erstellen.
Sie können nicht rechnen, sie sind wie eine Datenbank mit sehr schnellem Zugriff - sie erinnern sich nur.
Sie werden sich daran erinnern, dass der SSI oder ein anderer Indikator einen solchen Wert bei einer solchen Kombination von Inputs hatte. Gibt es keine solche Kombination, findet der Baum die nächstliegende Kombination, so dass die CCI einen kleinen Fehler aufweist. Wenn es einen Wald gibt, werden mehrere Kombinationen gemittelt, was wahrscheinlich genauer ist als bei einem einzelnen Baum.
Ich habe schon einmal den Ausdruck "auf neuronalen Netzen basierende Datenbanken" gesehen. Ich glaube, neuronale Netze erinnern sich auch nur.
Was meinen Sie mit "leicht"? Können Sie mir Zahlen oder weitere Einzelheitennennen?
Ich habe es nicht leicht
Ich habe gerade versucht, eine CCI mit Periode 14 zu rekonstruieren, die nur aus Krallen besteht.
Ich bekam einen Clowes-Rückkehrer in einem quadratischen Fenster der Größe 20
Retouren sind also scheiße))
Aber wenn ich das Original (nicht returnees) in eine 0-1 Kante jede Beobachtung normalisieren, sieht es schon besser
In Zahlen oder im Detail kann ich das nicht. Vor etwa 2 Jahren habe ich das mit einem neuronalen Netz von Darch gemacht, mit Bandpassfiltern aus den Artikeln von Vladimir Perervenko.
Es ist wie bei einer Zirkon-Rakete... wer als erster eine Idee hat, wie man es machen kann, gewinnt.
Wir müssen andere Klassifikatoren sehen, vielleicht haben wir eines Tages Glück.
Es ist wie bei einer Zirkon-Rakete... wer als erster eine Idee hat, wie man es machen kann, gewinnt.
wir müssen verschiedene Klassifikatoren sehen, vielleicht haben wir eines Tages Glück
man sollte einen zufälligen Durchlauf von allem schreiben und daraus lernen, auswählen, was man lernen will + Genetik, um die Suche zu verkürzen, und den Computer für ein paar Monate verlassen....
Es ist wie bei einer Zirkon-Rakete... wer als erster eine Idee hat, wie man es machen kann, gewinnt.
wir müssen verschiedene Klassifikatoren sehen, vielleicht haben wir ja eines Tages Glück
Ich glaube, die Entwickler haben ihre neuen Produkte selbst an Marktpreisen getestet. Wenn es einen signifikanten Vorteil gäbe, würden sie ihn kaum der Öffentlichkeit zugänglich machen, sondern ihn an eine Bank oder einen Fonds verkaufen oder einen eigenen Fonds gründen.
Fast alle neuen Entwicklungen in MO werden von Quants aufgegriffen... sofort. Die Frage ist nur, wo man sie anwendet.
Wir sind in dieser Hinsicht weit zurück, mindestens 5 Jahre).