Diskussion zum Artikel "Verwendung des Algorithmus PatchTST für maschinelles Lernen zur Vorhersage der Kursentwicklung in den nächsten 24 Stunden" - Seite 2
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
Ich stelle oft fest, dass die vorhergesagten Ergebnisse dieses Modells nicht ganz mit der tatsächlichen Situation übereinstimmen. Ich habe keine Änderungen am Code dieses Modells vorgenommen. Könnten Sie mir bitte einen Rat geben? Ich danke Ihnen.
Vielen Dank, dass Sie uns Ihre Erfahrungen mit dem Modell mitteilen. Sie sprechen einen wichtigen Punkt bezüglich der Konsistenz der Vorhersagen an. Das PatchTST-Modell funktioniert am besten, wenn es in einen umfassenden Handelsansatz integriert ist, der mehrere Marktfaktoren berücksichtigt. Ich empfehle Ihnen, die Vorhersagen des Modells effektiver zu nutzen:
Einige zusätzliche persönliche Beobachtungen:
Die Vorhersagen des Modells sollten als eine Komponente Ihrer Analyse verwendet werden und nicht als alleinige Entscheidungsgrundlage. Durch die Einbeziehung dieser Elemente können Sie die Konsistenz Ihrer Handelsergebnisse bei der Verwendung des PatchTST-Modells potenziell verbessern.
Ich hoffe, dies hilft Ihnen.
Fair Value Gap (FVG) Script, das ich erwähnt habe (diese Gaps funktionieren meiner Erfahrung nach ähnlich wie Angebots- und Nachfragezonen):
Vielen Dank für Ihr Interesse! Ja, diese Änderungen an den Parametern würden im Prinzip funktionieren, aber es gibt ein paar wichtige Überlegungen beim Wechsel zu M1-Daten:
1. Datenmenge: Das Training mit 10080 Minuten (1 Woche) M1-Daten bedeutet, dass wesentlich mehr Datenpunkte verarbeitet werden als bei H1. Dies wird:
2. Anpassungen der Modellarchitektur: In Schritt 8 des Modelltrainings und Schritt 4 des Vorhersagecodes sollten Sie möglicherweise andere Parameter anpassen, um die größere Eingabesequenz zu berücksichtigen:
3. Vorhersagequalität: Sie erhalten zwar detailliertere Vorhersagen, sollten sich aber bewusst sein, dass M1-Daten in der Regel mehr Rauschen enthalten. Sie sollten mit verschiedenen Sequenzlängen und Vorhersagefenstern experimentieren, um die optimale Balance zu finden.Vielen Dank für den Einblick. Mein Computer ist mit 256 GB und 64 physischen Kernen einigermaßen leistungsfähig. Er könnte allerdings einen besseren Grafikprozessor gebrauchen.
Sobald ich die GPU aktualisiert habe, werde ich die aktualisierten Konfigurationseinstellungen ausprobieren.
Vielen Dank, dass Sie uns Ihre Erfahrungen mit dem Modell mitteilen. Sie sprechen einen wichtigen Punkt bezüglich der Konsistenz der Vorhersagen an. Das PatchTST-Modell funktioniert am besten, wenn es in einen umfassenden Handelsansatz integriert ist, der mehrere Marktfaktoren berücksichtigt. Ich empfehle Ihnen, die Vorhersagen des Modells effektiver zu nutzen:
Einige zusätzliche persönliche Beobachtungen:
Die Vorhersagen des Modells sollten als eine Komponente Ihrer Analyse verwendet werden und nicht als alleinige Entscheidungsgrundlage. Durch die Einbeziehung dieser Elemente können Sie die Konsistenz Ihrer Handelsergebnisse bei der Verwendung des PatchTST-Modells potenziell verbessern.
Ich hoffe, dies hilft Ihnen.
Fair Value Gap (FVG) Script, das ich erwähnt habe (diese Gaps funktionieren meiner Erfahrung nach ähnlich wie Angebots- und Nachfragezonen):
Vielen Dank für Ihre geduldige Antwort und Ihren selbstlosen Austausch. Ich habe noch nie so detaillierte und professionelle Antworten gesehen. Ich werde Ihren Artikel wiederholt lesen. Dieses Wissen ist für mich besonders wertvoll. Herzliche Grüße an Sie.
Ich danke Ihnen. Ihre freundlichen Worte bedeuten mir sehr viel!! Bitte melden Sie sich, wenn Sie weitere Unterstützung benötigen!