Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 369
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
Übrigens, ich habe die Korrelation mit Perioden von 10 bis 60 (6 Stück) auf dem EURUSD M1 Chart überprüft, in Richtung Ausgang (ich habe kein Zickzack, aber etwas in der Nähe).
-0.00,0.01,0.00,0.01,0.01,-0.01
Die Korrelation liegt zwischen -0,01 und 0,01, d. h. es besteht überhaupt keine Korrelation.
Ihr Expert Advisor zeigt jedoch Gewinn an. Man muss manuell Trades platzieren, indem man sich die Trendlinie ansieht und einige Regeln auf Basis der Chartbewegungen aufstellt. Ich glaube, es ist viel einfacher, einen gewöhnlichen EA zu schreiben, der nach diesen Regeln arbeitet.
Nun, füttern Sie am Ausgang die Inkremente derselben Regression nach bestimmten Regeln, mit einem Offset, oder mehrere Regressionen (mehrere Ausgaben)... und die Korrelation wird normal sein. Und gibt weitere Regressionen mit unterschiedlichen Zeiträumen ein. MLP wird ein cooles Regressionsmodell in sich selbst aufbauen, wie Garch, und alles wird gut :) Aber im Allgemeinen braucht man ein fortschrittlicheres neuronales Netz, zum Beispiel LSTM.
meine zeigt Gewinne, weil es durch Optimierer laufen, es ist schmutzig Ergebnisse :) Sie können sagen, dass die Passform, die nicht sehr lange auf vorwärts (gut Perioden werden) arbeiten wird
Schließlich gibt es auf dem Chart, abgesehen von den Punkten, die mit der Zickzack-Methode (oder einer anderen Methode) erzielt werden, Dutzende von Momenten/Balken, in denen der Handel profitabel ist. Aber NS versucht, den Handel nur mit dieser einen Variante des Lernens zu korrigieren.
Und das Beispiel mit trendlinearreg zeigt es sehr gut.
Ich habe den Eindruck, dass es noch schwieriger ist, die richtige Zielmarkierung zu finden, als gute Eingaben zu finden.
Schließlich gibt es Dutzende von Punkten/Balken auf dem Diagramm, zusätzlich zu den Punkten, die aus dem Zickzack (oder einer anderen Methode), wenn Geschäfte profitabel sein wird. Aber NS versucht, den Handel nur mit dieser einen Variante des Lernens zu korrigieren.
Dies zeigt sich deutlich am Beispiel von trendlinearreg.
Daher sollten NS als Teil eines Systems, eines Filters oder eines Ensembles aus verschiedenen NS verwendet werden.
Alle MOs beruhen auf der Tatsache, dass die Eingangsvariablen mit der Ausgangsvariablen korrelieren müssen.
Ansonsten haben ALLE MO-Modelle keinen Sinn.
Du irrst dich gewaltig. Die Korrelation ist nur LINEAR Abhängigkeit, y = kx, selbst ein trivialer XOR-Datensatz ergibt Nullkorrelation einzelner Merkmale mit einem Ziel, dennoch für einen nichtlinearen Klassifikator leicht lösbar.
Dreimal habe ich DIES gelesen - es ist schwer, diesen Schrott zu verstehen....
Und?
Ich kann eine multiple Regression verwenden, bei der eine oder mehrere (ein Teil) der Eingabevariablen eine Korrelation mit der Ausgabe nahe 0 haben und das Modell dennoch eine hohe Vorhersagegenauigkeit liefert.
Na und?
Wenn Sie diese Variablen entfernen, verringert sich die Dimensionalität des Problems, und die Genauigkeit nimmt zu.
Na und?
Was ist der Sinn Ihres Beitrags?
Durch den Verzicht auf "unnötige" Variablen wird das Problem der Verringerung der Dimensionalität des Modells gelöst.
Für DM erhöht es auch die Genauigkeit der Modellvorhersage.
Was die Genauigkeit der NS betrifft, so weiß ich es nicht.
Lesen Sie DIES dreimal - verstehen Sie diese Fetzen mit Schwierigkeiten....
Na und?
Ich kann eine multiple Regression verwenden, bei der eine oder mehrere (ein Teil) der Eingangsvariablen eine Korrelation mit der Ausgangsvariablen nahe bei 0 haben und das Modell dennoch eine hohe Vorhersagegenauigkeit liefert.
Na und?
Entfernt man diese Variablen, verringert sich die Dimensionalität des Problems und die Genauigkeit steigt.
Na und?
Worum geht es in Ihrem Beitrag?
Backe, backe... Ups! Das gibt's doch nicht!...
Hör auf zu checken, Mister, wir sind nicht in einem Keller))))
Sie sagten, dass die Chips mit dem Ziel korrelieren sollten, diejenigen, die nicht korreliert sind, können weggeworfen werden, ich sage Ihnen, dass dies nicht der Fall ist, nehmen Sie XOR und prüfen Sie, es wird keine Korrelation geben und Chips sind wichtig, weil die Beziehung NICHT LINEAR ist, das ist alles, Korrelation fängt nur die lineare Komponente der Beziehung.
Was, was... Ups! Das gibt's doch nicht!...
Hör auf zu checken, Mister, wir sind nicht in einem Keller))))
Sie sagten, dass die Chips mit dem Ziel korrelieren sollten, und dass diejenigen, die nicht korrelieren, verworfen werden können. Ich sage Ihnen, dass das nicht stimmt, nehmen Sie XOR und prüfen Sie, es wird keine Korrelation geben, und Chips sind wichtig, weil die Korrelation NICHT linear ist, das ist alles, die Korrelation erfasst nur die lineare Komponente der Korrelation.
Nennen Sie mir ein Beispiel, bei dem die lineare Korrelation 0 ist und die nichtlineare Abhängigkeit stark ist.
Nennen Sie mir ein Beispiel, bei dem die lineare Korrelation 0 wäre und die nichtlineare Beziehung stark wäre.
Ich sagte XOR-Datensatz
Ich sagte XOR-Datensatz
Haben Sie ein Beispiel?
Zeilen mit eingehenden und ausgehenden Daten anzeigen - veröffentlichen