Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 950
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
¿Por qué dividir un archivo cuando todo está ya dividido en dos archivos? Es que no sé cómo hacerlo en R, nadie me lo ha podido explicar, supongo que soy tonto.
¿Quizás sea más fácil usar https://www.cs.waikato.ac.nz/ml/weka/downloading.html si no tienes tiempo para estudiar programación?
Pero aquí hay un modelo diferente:
El resultado es que todo lo demás, aunque el modelo sea cualitativamente diferente, debería funcionar mal con sus datos.
Tenemos que mejorar el randomForest
Entendido, gracias, entonces me ocuparé de los árboles y de los bosques - me gustan mucho e ideológicamente.
¿Por qué dividir el archivo, si todo está ya dividido en dos archivos? Es que no sé cómo hacerlo en R, nadie me lo ha podido explicar, aparentemente estúpido.
Dividir es pan comido, el problema es el prejuicio contra R.
Espero que la red sea capaz de superar a un Asesor Experto optimizado en la historia :)
¿Por qué necesitas la red?
No tengo prejuicios, sólo tengo poco conocimiento de la lengua, no hay AYUDA rusa (tengo un libro, pero el libro necesita ser leído, a diferencia de la AYUDA, y no estoy seguro de lo que se necesita allí), por lo que es un problema con el aprendizaje. Y no está claro por qué a la gente no le gusta tanto la GUI: ahorra tiempo...
Y sobre la red, me expresé mal, es sólo sobre el modus operandi en general.
¿De dónde has sacado tantos faroles? ¿Los has seleccionado manualmente para que se ajusten a la estrategia? una locura :)
la lógica del andamiaje debería ser la misma.
Elegí los predictores por mi amarga experiencia en el trading manual, cuando he perdido dinero y no entiendo por qué me equivoqué al entrar en el mercado. Tengo un problema: no me gusta perder dinero y, por tanto, me cuesta mucho cerrar una posición, lo que me causa muchos problemas si opero a mano. Después de tales acontecimientos, uno se limita a trabajar duro, probando, analizando, buscando una solución para evitar una pérdida: genera ideas, las comprueba en el historial, rechaza algunas de ellas y otras no. Muchas ideas se quedan sin aplicar por la dificultad que tengo para programarlas, pero se quedan en el papel, los papeles llenan la mesa...
Gracias por la respuesta tranquilizadora sobre los andamios.
Tal vez, es más fácil usar https://www.cs.waikato.ac.nz/ml/weka/downloading.html, si es aburrido estudiar programación?
Tengo este siglo, pero no sé cómo usarlo.
Y, entonces, ¿cómo hacer que funcione con MT5?
Todo esto ***, en el bosque general de Rattle entrenado, la configuración por defecto, dio este resultado
Summary of the Random Forest Model ================================== Number of observations used to build the model: 98573 Missing value imputation is active. Call: randomForest(formula = as.factor(arr_Buy) ~ ., data = crs$dataset[crs$sample, c(crs$input, crs$target)], ntree = 500, mtry = 8, importance = TRUE, replace = FALSE, na.action = randomForest::na.roughfix) Type of random forest: classification Number of trees: 500 No. of variables tried at each split: 8 OOB estimate of error rate: 6.89% Confusion matrix: -1 0 1 class.error -1 24452 2147 27 0.08164952 0 1138 42398 1180 0.05183827 1 36 2265 24930 0.08449928Aprendí archivo csv para probar el modelo en otros datos para cargar (para este archivo se debe abrir primero, como un archivo para trabajar con los datos, y luego exportar y ya este archivo exportado para abrir en la pestaña Evaluar) - Cargué para 2016.
Obtuve este aburrido resultado
¿Qué es esto de la reconversión, los ajustes erróneos, el mercado drásticamente diferente?
Entonces, ¿por qué obtengo mejores resultados en el árbol de Deductor Studio con los mismos datos?
Bienvenido al mundo de la curvafitting
Por cierto, he husmeado en EMD - la descomposición tiene que hacerse en cada nueva barra, lo que hace que el modo f-u sea ruidoso ya que todos los mods rebotan de un lado a otro a medida que se añaden nuevos datos. Tonterías, sólo apto para casos puntuales
tonterías sin sentido sin sentido sin sentido sin sentido sin sentido sin sentido sin sentido sin sentido sin sentido sin sentido sin sentido sin sentido sin sentido sin sentido sin sentido.Bienvenido al mundo de la curvafitting
Por cierto, he husmeado en EMD - la descomposición tiene que hacerse en cada nueva barra, lo que hace que el modo f-u sea ruidoso ya que todos los mods rebotan de un lado a otro a medida que se añaden nuevos datos. Tonterías, sólo sirve para casos puntuales.
He descubierto una nueva forma de gestionar las posicionesAl principio pensé, ya está, me han regañado aquí, resulta que la palabra compuesta tiene un significado diferente...
¿Crees que el problema es que mi salida no es por patrón, sino por stop loss y eso sesga seriamente el resultado?
En cuanto a la EMD, tengo una idea para utilizar este enfoque para crear canales contra tendencia...
¿Cuál es la nueva forma de gestionar las posiciones?Al principio pensé que era eso, que me habían regañado aquí, pero resulta que la palabra compuesta tiene otro significado...
¿Crees que es porque mi salida no se basa en un patrón, sino en un stop-loss, y esto distorsiona considerablemente el resultado?
En cuanto a la EMD, se me ocurrió utilizar este enfoque para crear canales de contra-tendencia...
¿Cuál es el método de gestión de la posición?El EMD en la dinámica no se puede aplicar en absoluto por las razones anteriores
Es una larga explicación del método, todo está entrelazado con RL
Sí y en su caso - el resultado se espera en los nuevos datos. Este es casi siempre el caso. Resuelto en parte por conjuntos de modelos independientesObtuvo un resultado tan aburrido
¿Qué es esto de la reconversión, los ajustes erróneos, el mercado drásticamente diferente?
Entonces, ¿por qué obtengo mejores resultados en el árbol de Deductor Studio con los mismos datos?
Prueba principal del reentrenamiento: NO encontré ningún predictor de ruido - todo es ruido, por eso tan buenos resultados en el entrenamiento.
El EMD no puede ser utilizado en la dinámica en absoluto debido a las razones descritas anteriormente
el camino es largo de explicar, todo está entrelazado con RL
Y en su caso - el resultado se espera en los nuevos datos. Este es casi siempre el caso. Resuelto en parte por conjuntos de modelos independientesAñadiré un par de predictores más y pasaré a los conjuntos.... y entonces comenzarán las panderetas y el baile.