Diskussion zum Artikel "Erstellung einer Strategie der Rückkehr zum Mittelwert auf der Grundlage von maschinellem Lernen"
Ich bin überhaupt nicht kritisch, möchte aber trotzdem kein Wargaming aus der Schachtel heraus haben.
Der Hauptunterschied zwischen dem Savitsky-Golei-Filter und dem gewöhnlichen gleitenden Durchschnitt besteht darin, dass er im Vergleich zu den Preisen nicht nachhängt.
Es ist ein Fehler, diesen Filter online auf nicht-stationäre Zeitreihen anzuwenden, da die letzten Werte neu gezeichnet werden können, aber er eignet sich gut für die Markierung von Trades auf bestehenden Daten.
Warum nicht ZZ?
Stimmt, ich habe eine kleine Erklärung gefunden.
Dieser Aufschlag hat seine Eigenheiten:
- Nicht alle markierten Geschäfte sind gewinnbringend, da weitere Preisänderungen nach dem Überschreiten der Bänder nicht immer in die entgegengesetzte Richtung gehen. Daher kann es Beispiele geben, die fälschlicherweise als Kauf oder Verkauf markiert sind.
- Theoretisch wird dieser Nachteil dadurch kompensiert, dass der Aufschlag homogen und nicht zufällig ist, so dass falsch markierte Beispiele als Fehler im Training oder im Handelssystem als Ganzes betrachtet werden können, was zu weniger Nachschulungen am Ausgang führen kann.
Vielleicht sehe ich die Dinge nur oberflächlich, aber ist die Clusterbildung nach Neigung nicht ein Blick in die Zukunft?
Ich dachte, dass die Marktclusterung nach Echtzeitmerkmalen erfolgen sollte: Zeit, Gleiten usw.
Vielleicht sehe ich die Dinge nur oberflächlich, aber ist das Bevel Clustering nicht ein Blick in die Zukunft?
Ich dachte, das Clustering des Marktes sollte nach Echtzeitattributen erfolgen: Zeit, Gleiten usw.
Gehört zu dem entsprechenden Cluster das, was sich rechts von diesen 10 Balken befindet, oder genau diese Balken?
- catmodel EURGBP_H1 0.onnx — основная модель, которая дает сигналы на покупку и продажу
- catmodel_m EURGBP_H1 0.onnx — дополнительная модель, которая разрешает или запрещает торговлю
Ich habe die Lektüre bis zu diesem Punkt beendet und habe nicht verstanden, woher das kommt.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Erstellung einer Strategie der Rückkehr zum Mittelwert auf der Grundlage von maschinellem Lernen :
Bevor wir etwas clustern, müssen wir entscheiden, warum wir das überhaupt tun müssen. Stellen wir uns ein Kurs-Chart vor, das einen Trend, eine flache Kurve, Perioden mit hoher und niedriger Volatilität, verschiedene Muster und andere Merkmale aufweist. Das heißt, das Preis-Chart ist nicht etwas Einheitliches, in dem die gleichen Muster vorhanden sind. Man könnte sogar sagen, dass es in verschiedenen Zeitabschnitten unterschiedliche Muster gibt oder geben kann, die in anderen Zeitintervallen verschwinden.
Das Clustering ermöglicht es uns, die ursprüngliche Zeitreihe anhand bestimmter Merkmale in mehrere Zustände zu unterteilen, sodass jeder dieser Zustände ähnliche Beobachtungen beschreibt. Dies kann den Aufbau eines Handelssystems erleichtern, da das Training auf homogeneren, ähnlichen Daten erfolgt. Zumindest kann man sich das so vorstellen. Natürlich wird das Handelssystem nicht mehr über den gesamten historischen Zeitraum arbeiten, sondern über einen ausgewählten Teil davon, der aus verschiedenen Zeitpunkten besteht, deren Werte in ein bestimmtes Cluster fallen.
Nach der Clusterbildung können nur ausgewählte Beispiele etikettiert werden, d. h. es werden ihnen eindeutige Klassenkennzeichnungen zugewiesen, um das endgültige Modell zu erstellen. Wenn ein Cluster homogene Daten mit ähnlichen Beobachtungen enthält, sollte seine Kennzeichnung homogener und damit vorhersehbarer werden. Wir können mehrere Datencluster nehmen, jeden von ihnen separat gekennzeichnet, dann Modelle für maschinelles Lernen auf den Daten aus jedem Cluster trainieren und sie auf den Trainings- und Testdaten testen. Wenn ein Cluster gefunden wird, der es dem Modell ermöglicht, gut zu lernen, d. h. zu verallgemeinern und Vorhersagen für neue Daten zu treffen, kann die Aufgabe der Entwicklung eines Handelssystems als praktisch abgeschlossen betrachtet werden.
Autor: dmitrievsky