Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1228
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
dann wird es nur wenige Beispiele geben und auf neue Daten ns wird blind verloren, sie muss so viel wie möglich von ihrem Leben "sehen"
als eine Option ....
1) Erstellen Sie "idealen Handel" mit markierten Trades, Handel + Kommission, die profitabelste Option, die sein kann... Wir werden so etwas wie ein Zickzack mit Geschäften auf Tops und Bottoms erhalten...
2) Bilden Sie Gleichheiten dieses idealen Handels
3) Lehren Sie das Modell. Der Zweck des Trainings - die maximale Korrelation (Handelsaktien des Modells + Provision) mit (idealisierten Aktien) zu erreichen, kann die Qualität des Modells durch eine Zahl ausgedrückt werden, kf-Korrelation
Auf diese Weise wird das Modell in der Lage sein, sich so reibungslos und genau wie möglich an die Daten anzupassen.
Und natürlich dürfen wir die OOS in der Ausbildung nicht vergessen
ps. Alles, was ich geschrieben habe, ist reine Theorie.
als eine Option ....
1) Erstellen Sie ein "ideales Geschäft" mit markierten Geschäften, Handel+Kommission, die profitabelste Option, die Sie haben können... Es wird wie ein Zickzack mit Geschäften auf Ober- und Unterseiten sein...
2) Bilden Sie Gleichheiten dieses idealen Handels
3) Lehren Sie das Modell. Der Zweck des Trainings - die maximale Korrelation (Handelsaktien des Modells + Provision) mit (idealisierten Aktien) zu erreichen, kann die Qualität des Modells durch eine Zahl ausgedrückt werden, kf-Korrelation
Auf diese Weise wird das Modell in der Lage sein, sich so reibungslos und genau wie möglich an die Daten anzupassen.
Und natürlich dürfen wir die OOS in der Ausbildung nicht vergessen
ps. Alles, was ich geschrieben habe, ist reine Theorie.
Im Wesentlichen wird das so gemacht, aber man kann den Grad der "idealen Gleichheit" variieren, denn je idealer sie ist, desto mehr Übertraining
Fehler auf dem Tablett: 0, auf dem Oos: 0,4.
Ein "idealer" Handel, einschließlich OOS (inside), zeigt Verlustgeschäfte von nur 15 %, was der Höhe der OOS (hier - 20 %) entspricht. Es ist nicht schwer zu erraten, was mit den neuen Daten passieren wird
Dies ist im Wesentlichen das, was gemacht wird, aber Sie können den Grad der "perfekten Gleichheit" variieren, denn je perfekter sie ist, desto mehr Übertraining
Fehler auf dem Tablett: 0, auf AOS: 0,4.
Ein "idealer" Handel, einschließlich OOS (inside), zeigt Verlustgeschäfte von nur 15 %, was der Höhe der OOS (hier - 20 %) entspricht. Es ist nicht schwer zu erraten, was mit den neuen Daten geschehen wird
das Problem liegt wahrscheinlich in der Veränderbarkeit der Prädikatseigenschaften, ich sehe keine anderen Varianten (
dann ist das Problem wahrscheinlich die Variabilität der Prädikatseigenschaften, ich sehe keine anderen Möglichkeiten(
Variabilität in Bezug auf die Ziele
Ich wollte damit zeigen, dass das Trainieren von "perfekten" Inputs ein krummer Ansatz ist, der zudem allen Outputs die gleichen Wahrscheinlichkeiten zuweist
Variabilität in Bezug auf das Ziel
Ich wollte zeigen, dass das Trainieren von "idealen" Eingaben ein krummer Ansatz ist, insbesondere um allen Ausgaben die gleichen Wahrscheinlichkeiten zuzuweisen
Der Anfang von oos scheint in Ordnung zu sein...
Haben Sie versucht, alle n Takte neu zu trainieren?
Der Anfang der Oos scheint in Ordnung zu sein...
Nicht versuchen, alle n Takte komplett umzulernen
es ist nur ein Beispiel, es gibt Möglichkeiten, den Unterschied auszugleichen, nicht sehr effizient, aber es gibt
Was suchen Sie dort ist nicht der Anfang )) Ich habe bereits Screenshots von etwa der gleichen Vorder-und Rückseite gespeichert
Interesse an der Studie Thema, das ich zuvor beschrieben. aber da niemand tat nicht selbst tun wird tun
Dies ist nur ein Beispiel, es gibt Möglichkeiten, den Unterschied auszugleichen, nicht sehr effektiv, aber es gibt sie
Was suchen Sie dort ist nicht der Anfang )) warf bereits Screenshots, wo etwa die gleiche Vorder-und Rückseite
ich bin daran interessiert, das Thema zu erforschen, das ich vorhin beschrieben habe. aber da es niemand getan hat, werde ich es selbst tun
Für mich ist es dasselbe wie mit der Gewinn-/Verlustwahrscheinlichkeit, man kann etwas lernen, aber mit neuen Daten wird es fast zufällig sein
es wird dasselbe sein wie die Gewinn-/Verlustwahrscheinlichkeit, es kann etwas lernen, aber bei den neuen Daten wird es nahe am Zufall liegen
Mal sehen, ich kann mir diesen Prozess nicht vorstellen
Wir werden sehen, ich kann mir diesen Prozess nicht vorstellen.
aber versuchen Sie es mit ständiger Umschulung, das ist imho vielversprechender
aber versuchen Sie es mit ständiger Umschulung, das ist imho vielversprechender
Der virtuelle Optimierer ist seit langem in 2 Varianten verfügbar: vollständige Umschulung und Bayes'sche Korrektur.
Das ist alles Unsinn, bis Sie es ausprobiert haben, werden Sie es nicht verstehen. Es wird nur funktionieren, wenn das Hauptproblem gelöst ist
denn ich habe alle Matrixfunktionen überprüft, und fast überall ist das Eigenkapital sehr hoch
Neuronale Netze x...ti, frühe Stopps, späte Stopps, Abhören x...i, Ensembles x..., Kreuzvalidierungen