Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 357
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
Sie können ein zyklisches Muster erkennen.
Zerlegen Sie es in Fourier (in R sind es 2-3 Zeilen), stellen Sie es dar, und Sie werden keine Zyklizität sehen. Es ist ein glattes Spektrum.
Versuchen Sie es mit der Autokorrelationsfunktion: Auch hier gilt: Schweigen, aber es sollte ein zyklisches Muster erkennbar sein.
Zerlegen Sie es in Fourier (in R sind es 2-3 Zeilen), stellen Sie es dar, und Sie werden keine Zyklizität sehen. Es ist ein glattes Spektrum.
Versuchen Sie erneut, die Autokorrelationsfunktion zu verwenden, aber sie sollte erscheinen, wenn das zyklische Verhalten vorhanden ist.
Ich denke, wir können dem Nationalen Statistischen Dienst sofort beibringen, mehrere verschiedene Perioden mit diesen Histogrammen zu füttern. Er wird sowohl größere als auch kleinere Schwankungen berücksichtigen, große werden eine Trendkomponente sein und kleine - ein Signal für den Input
Und dann konvertieren die Signale unter Berücksichtigung der aktuellen Charts und ihre Beziehung zu bollinger. Die Methode des wissenschaftlichen Experimentierens, kurz gesagt
Mit einer Periode von foyles 1 wird es so sein :)
Und Sie können ein zyklisches Muster erkennen
Stationäre Reihe. Und die Emissionen werden entfernt - Standardverfahren
versuchen, auch Emissionen zu berücksichtigen, LSTM soll in der Lage sein, mit
Ich denke, um NS auf einmal zu lehren, füttern mehrere verschiedene Perioden mit diesen Histogrammen, wird es berücksichtigen sowohl größere und kleinere Veränderungen, große wird ein Trend-Komponente und kleine werden Signale zu betreten sein
Und dann konvertieren die Signale unter Berücksichtigung der aktuellen Charts und ihre Beziehung zu bollinger. Als Faustregel lässt sich zusammenfassen
Kennt jemand die Antwort auf die Frage: Wie behandelt NS nicht ortsfeste Eingänge?
schlecht? )
Kennt jemand die Antwort auf die Frage: Wie behandeln die NS nichtstationäre Eingänge?
Bevor ich NS unterrichte, möchte ich es modellieren, um zu sehen, ob es etwas Sinnvolles ist. Dann wird die Ausbildung angemessener sein.
Hier ist alles klar, die Extrema kündigen eine Umkehr an, vor allem die kurzen, eine antipersistente Serie ist offensichtlich - auf einen neuen Höhepunkt folgt ein neuer Tiefpunkt (im Indikator mit kleiner Periode)
Das Gegenteil ist bei einem Indikator mit einer längeren Periode der Fall: Die Reihe sieht beständig aus, auf ein neues Maximum folgt ein neues Maximum, d. h. Sie können die langen Trends erkennen, gleichzeitig ist die Reihe stationär und Sie können (ungefähr) das Ende der Trends finden.
Ich habe eine Menge Bücher gelesen, nicht wahr?
Arbeitsalgorithmus: Wir definieren die Tendenz und arbeiten nach ihr, indem wir Eingaben auf der Anti-Performance-Serie vornehmen, um die Gewinnwahrscheinlichkeit zu erhöhen. Gleichzeitig, wenn der Indikator mit einer großen Periode in der Nähe der mittleren Extremwerte ist, ändern wir die Handelseinträge in das Gegenteil, wenn der Trend zu ändern beginntHier ist alles klar, Extrema signalisieren eine Umkehrung, insbesondere bei kurzen Perioden, eine antipersistente Serie liegt vor - auf einen neuen Höhepunkt folgt ein neuer Tiefpunkt (im Indikator mit kleiner Periode)
Das Gegenteil ist der Fall bei einem Langzeitindikator, die Reihe sieht beständig aus, auf ein neues Hoch folgt ein neues Hoch, d.h. es ist möglich, lange Trends zu erkennen, gleichzeitig ist die Reihe stationär und man kann (ungefähr) das Ende der Trends finden
Ich habe eine Menge Bücher gelesen, was?
(Cool.) Was ist das Antipersistenzmittel?
aufeinen neuen Höchststand (wahrscheinlich ein Tief) folgt ein neuer Höchststand - ja, das habe ich auch schon erlebt, die Graphen sind mir alle bekannt. Sie simulieren - und es ist nichts da - leer. Vielleicht haben Sie ja Glück.