Wissen Sie, wie man Kanäle herstellt? - Seite 3
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
Die nichtlineare Regression bezieht sich auf Modelle des maschinellen Lernens. Das Hauptproblem bei diesen Modellen ist die Überanpassung, d. h. die Überanpassung an den aktuellen Ausschnitt des Graphen, wie bereits oben beschrieben. Dieses Modell wird ständig an neue Daten angepasst, so dass seine Effizienz an bestimmten Punkten gegen Null tendiert. Um dies zu verhindern, sollten wir eine Kreuzvalidierung und Tests außerhalb der Stichprobe durchführen. Jeder, der mehr oder weniger mit der Materie vertraut ist, auch ohne den Tester einzuschalten, wird sofort verstehen, dass dieser Kanal bei echten Daten nicht funktioniert
Dienichtlineare Regression bezieht sich auf Modelle des maschinellen Lernens. Das Hauptproblem bei diesen Modellen ist die Überanpassung, d. h. die Überanpassung an den aktuellen Ausschnitt des Graphen, wie bereits oben beschrieben. Dieses Modell wird ständig an neue Daten angepasst, so dass seine Effizienz an bestimmten Punkten gegen Null tendiert. Um dies zu verhindern, sollten wir eine Kreuzvalidierung und Tests außerhalb der Stichprobe durchführen. Jeder, der sich mit der Materie mehr oder weniger gut auskennt, auch ohne den Tester einzuschalten, versteht sofort, dass dieser Kanal mit realen Daten nicht funktionieren wird.
Polynomiale Differenzgleichungen der Ordnung N haben diesen Nachteil nicht. Früher oder später werde ich den Kanal auch mit diesen Gleichungen testen.
Die Differenzengleichungen von Polynomen der Ordnung N haben diesen Nachteil nicht. Früher oder später werde ich den Kanal auch auf diese Gleichungen überprüfen.
Was sind sie? ) Differenzgleichungen, und warum sind sie benachteiligt?
Was sind sie? ) Differenzgleichungen, und warum sind sie benachteiligt?
Die klassische EMA-Formel ist eine Differenzengleichung ersten Grades (aber zweiter Ordnung - die spezifische Ordnung wird durch die Anzahl der Punkte bestimmt, an denen die nächste Linie, wie ein Lineal oder eine Form, aufgetragen wird), das vollständige Analogon des archimedischen Hebels. Interpolation. Anhand des zuvor berechneten Punkts und des letzten Preiswerts wird der dem berechneten Punkt nächste Punkt gezeichnet und nicht neu gezeichnet.
Für das Polynom zweiter Ordnung wird unter Verwendung von zwei zuvor berechneten Punkten und dem letzten Preis (ich nehme den offenen Punkt oder den Median des vorletzten Balkens) ein Punkt neben den ersten beiden gezeichnet und auch nicht neu gezeichnet. Und so weiter. Wenn wir die Formel umkehren, können wir extrapolieren, d. h. aus drei berechneten benachbarten Punkten auf der Grundlage des Polynoms zweiten Grades den vierten Punkt mit dem gegebenen Abstand zu den ersten drei konstruieren. Auch dieser Punkt wird nicht neu gezeichnet.
Falls erforderlich, können Sie den Modus der Sichtbarkeit der Zeichnungslinien aktivieren (d.h. die Berechnung aller benachbarten Punkte bis zu einem bestimmten Punkt in der Schleife) und diese Zeichnungslinien werden ab jedem neuen Preis neu gezeichnet.
Beispielformeln.
Formeln mit Division (erste und dritte) sind Interpolationen (Finden eines Punktes innerhalb eines Intervalls).
Formeln ohne Division sind Extrapolation (Auffinden eines Punktes außerhalb des Ausgangsintervalls).
Wenn nicht gerade das:
Die klassische EMA-Formel ist, wenn man sie nimmt, eine Differenzengleichung erster Ordnung (aber zweiter Ordnung - die spezifische Ordnung wird durch die Anzahl der Punkte bestimmt, an denen die nächste Linie, wie ein Lineal oder eine Form, aufgetragen wird), das vollständige Analogon des archimedischen Hebels. Interpolation. Unter Verwendung des zuvor berechneten Punktes und des letzten Preiswertes wird der nächste Punkt neben dem berechneten Punkt aufgebaut und nicht neu gezeichnet.
Für das Polynom zweiter Ordnung wird unter Verwendung von zwei zuvor berechneten Punkten und dem letzten Preis (ich nehme den offenen Punkt oder den Median des vorletzten Balkens) ein Punkt neben den ersten beiden gezeichnet und auch nicht neu gezeichnet. Und so weiter. Wenn wir die Formel umkehren, können wir extrapolieren, d. h. aus drei berechneten benachbarten Punkten auf der Grundlage des Polynoms zweiten Grades den vierten Punkt mit dem gegebenen Abstand zu den ersten drei konstruieren. Auch dieser Punkt wird nicht neu gezeichnet.
Bei Bedarf kann die Sichtbarkeit der Linien aktiviert werden, so dass diese Linien bei jedem neuen Preis neu gezeichnet werden.
Beispiel für Formeln.
Formeln mit Division (die erste und die dritte) sind Interpolationen (Finden eines Punktes innerhalb eines Intervalls).
Formeln ohne Division sind Extrapolation (Auffinden eines Punktes außerhalb des Ausgangsintervalls).
Ich bin neugierig, aber nicht ganz sicher, warum dies beispielsweise einen unbeständigen Markt adäquat vorhersagen sollte...
jetzt lesen Sie dieses Zeughttp://blog.datadive.net/selecting-good-features-part-iv-stability-selection-rfe-and-everything-side-by-side/
neugierig, aber nicht sicher, warum sie zum Beispiel einen unbeständigen Markt angemessen vorhersagen sollte...
jetzt lesen Sie dieses Zeughttp://blog.datadive.net/selecting-good-features-part-iv-stability-selection-rfe-and-everything-side-by-side/
Diese Gleichungen versprechen auch nicht, den Handel vorherzusagen, sie konstruieren lediglich Kurven von bestimmten Polynomen oder Sinuskurven auf der Grundlage der gesamten Historie.
Genauso wenig wie die Regression verspricht sie eine Vorhersage von Ausschreibungen. :)
Diese Gleichungen versprechen nicht, das Bieten vorherzusagen, sie konstruieren lediglich Kurven von bestimmten Polynomen oder Sinuskurven auf der Grundlage der gesamten Geschichte.
Tatsächlich verspricht auch die Regression keine Vorhersage der Gebotsabgabe. :)
So ist meine Hauptidee jetzt autosampling der informativsten (zum gegenwärtigen Zeitpunkt) Merkmale durch zufällige Wälder mit spezifiziertem Zeitintervall und automatischem retraining... weil, wenn Sie alle Geschichte nehmen, dann erhält Modell zu rau, wenn Sie wenige dann nehmen, ist es immer retrained... und wenn Sie Qualität und Quantität der Merkmale durch Merkmalwichtigkeit schwanken und Kreuzvalidierung tun, dann gibt es Wahrscheinlichkeit, periodisch benötigte Regularitäten zu fangen
Aber es ist so lästig, dass ich es lange bereut habe, es zu benutzen, aber jetzt gibt es kein Zurück mehr :)
nun meine Hauptidee ist autosampling die informativsten (im aktuellen Moment) Merkmale durch zufällige Wälder mit einem bestimmten Zeitintervall und automatischem retraining... weil, wenn Sie alle Geschichte nehmen, Sie zu grobes Modell erhalten, wenn Sie wenige nehmen, ist es immer retrained... und wenn Sie Qualität und Quantität der Merkmale durch Merkmalbedeutung schwanken und Kreuzvalidierung tun, haben Sie eine Wahrscheinlichkeit, periodisch benötigte Regularitäten zu fangen
aber es ist so lästig, dass ich es schon lange bereue, es zu benutzen, aber es gibt kein Zurück mehr :)
Hier sind wir bereits bei den neuronalen Netzen angelangt, aber Sie werden dort keine Kanäle sehen. :) Obwohl sie vielleicht im Code stehen.
Aber an eine Trägheitslinie oder eine Sinuslinie kann ein visueller Kanal angeschlossen werden. )
Hier sind wir bereits in die neuronalen Netze gegangen, und Sie können die Kanäle dort nicht sehen. :) Sie können jedoch im Code enthalten sein.
Es ist jedoch möglich, einen visuellen Kanal an eine Linie mit Trägheit oder eine sinusförmige Linie anzuhängen. )
Nun, warum, bauen Kurven auf der Grundlage der Werte an den Ausgängen von ns und Sie können Kanal ... aber ich sehe nicht viel Sinn in Kanäle, weil die meisten der verschiedenen Arten von Signalen für die TS verpasst werden und Sie erhalten nur eine Strategie für die Rückkehr zum Mittelwert
Nun, warum, um Kurven auf der Grundlage von Werten an den Ausgängen von ns und Kanäle zu bauen ist möglich ... aber ich sehe nicht viel Sinn in Kanälen, weil die meisten der verschiedenen Arten von Signalen für die TS verpasst werden und Sie erhalten nur eine Strategie, um den Durchschnitt zurück
Grüße Maxim! Genau so sieht es aus.