Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1015
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
Ensentido estricto, en una muestra rodante de retornados, tenemos que calcular el estimador ACF para esa serie discreta. Si es periódica, entonces se predice que el siguiente retornado es el 100% por Kolmogorov. Pero desconozco el criterio para evaluar la periodicidad del ACF. No puedo mirarlo a ojo.
Más caliente.
Ampliemos el conjunto de predictores NO tan comunes para los modelos de predicción.
Desde aquí
Metaaprendizaje de la predicción de series temporales
Thiyanga S Talagala, Rob J Hyndman y George Athanasopoulos
Sólo el divino gurú y un par de sus padawans añaden gente allí, lánzame tu Skype y datos sobre ti en un mensaje privado, te preguntaré, pero no prometo nada porque no soy una autoridad allí, sólo un espíritu incorpóreo, suciedad en zapatillas. Son los cardenales grises, títere y compañía, los que se ven salpicados por la actividad cercana al mercado, son marcados con la vergüenza de por vida, lavar la vergüenza sólo puede ser por decenas de miles de millones de verdes.
Gracias, no me interesa tanto la afiliación, que entiendo que entraña una dificultad considerable, sino fijarme en el nivel, que probablemente no sea menos significativo.
Has escrito que este grupo está buscando una representación unificada de los modelos de IO, esos son los modelos que me gustaría ver.
Estoy dispuesto a mostrar mis propios y modestos desarrollos para comparar también, serializo los modelos entrenados en formato binario o de texto y como código fuente.
Más caliente.
Ampliar el conjunto de predictores NO tan comunes para los modelos de predicción.
Desde aquí
Metaaprendizaje de la predicción de series temporales
Thiyanga S Talagala, Rob J Hyndman y George Athanasopoulos
Un buen artículo de encuesta. Sólo que, en mi opinión, el conjunto de series temporales consideradas es demasiado amplio para nosotros. Me gustaría ver una revisión similar de los métodos pero para el tipo de serie que nos interesa.
También me gustaría ver algunos métodos y modelos nuevos. Existe, por ejemplo, la difusión anómala(más popular).
Un buen artículo de resumen. Sólo que, en mi opinión, la multitud de series temporales consideradas es demasiado amplia para nosotros. Me gustaría ver un resumen similar de los métodos, pero para el tipo de serie que nos interesa.
También me gustaría ver algunos métodos y modelos nuevos. Existe, por ejemplo, la difusión anómala(más popular).
He citado este enlace por la tabla: es una nueva mirada a los predictores y un desarrollo de la idea de Alexander sobre ACF.
He traído el enlace por la tabla: una nueva mirada a los predictores y como desarrollo de los pensamientos de Alexander sobre la ACF.
Por el lado bueno, en lugar de torturarse y torturarnos con modelos de hace 70 años, habría estudiado mejor esta difusión tan anómala y su aplicación al mercado. Eso sería una aplicación útil de su enorme entusiasmo y educación física.
El parámetro ZZ es diferente para cada instrumento y marco temporal. Por ejemplo para EURUSD M15 un buen valor inicial de 15 pips (4 dígitos). También depende de los predictores que se utilicen. Es una buena idea optimizar todos los parámetros de los predictores y de ZZ. Por lo tanto, es deseable tener predictores no paramétricos, ya que facilita mucho la vida. En este sentido, los filtros digitales dan buenos resultados. Usando conjuntos y combinación en cascada obtuve una precisión media = 0,83. Este es un resultado muy bueno. Mañana le enviaré un artículo para que lo verifique, en el que se describe el proceso.
Buena suerte
¿Y cómo se averigua la configuración de la ZZ, simplemente probando diferentes modelos, y el que da mejor resultado con estos ajustes es el mejor?
¿Por qué prefiere los puntos para ZZ en lugar del tiempo (barras)?
¿Y cómo se averigua la configuración de la ZZ, simplemente probando diferentes modelos, y el que da mejor resultado con estos ajustes es el mejor?
¿Por qué prefiere los puntos para ZZ en lugar del tiempo (barras)?
1. Existen diferentes métodos para optimizar
2. por la experiencia.
Buena suerte
Ayer se me ocurrió una idea, ¿por qué buscamos árboles de decisión, es decir, un modelo que describa una entidad? Es decir, ¿por qué deberíamos describir toda la entidad en absoluto, tal vez deberíamos buscar sólo las piezas de esa entidad que son más comprensibles y predecibles? He pensado que, puesto que recojo las hojas de los árboles, tal vez debería utilizar un método para encontrar dichas hojas sin construir un árbol de decisión completo, lo que debería, según tengo entendido, proporcionar un aumento de la calidad por la misma cantidad de tiempo computacional empleado.
He buscado en Internet y no veo este método en ningún sitio. ¿Quizás alguien sepa de estos desarrollos?
Mientras elaboro el algoritmo, creo que en primer lugar tengo que seleccionar los predictores, que muestran la capacidad de predicción de una de las clases, en eso los predictores deben ser binarios (para eso tengo que formar mi propia muestra para cada predictor o formar márgenes de exclusión de la muestra general (¿qué es más razonable?)). A continuación, ya utilizar los predictores seleccionados (y sus combinaciones) para construir stubs para una clase particular (en mi caso 3 clases), y luego utilizar estos stubs para construir los predictores restantes. Al mismo tiempo, también podemos comprobar si tienen preferencia por una determinada clase. A continuación, según la idea, encontraremos las zonas más aptas para la clasificación de las clases objetivo específicas. Y el área restante será sólo un campo de inactividad/expectativa.
Por supuesto, podemos ver entonces dónde se superponen las hojas y hacer un resultado medio en estos casos. Y podemos construir un árbol así, pero con elementos de votación debido a la densidad en diferentes áreas de diferentes objetivos.
¿Qué le parece esta idea?
1. Existen varios métodos de optimización
2. por la experiencia.
Buena suerte
1. Eso es lo que me gustaría saber sobre estos métodos. Porque estoy reinventando mi bicicleta de nuevo (ya he esbozado la ideología), y de repente todo se ha hecho ya antes...
2. Ya veo. Pero no es razonable.
Vladimir, ¿podrías sugerir algunos métodos de "selección futura" (o algo así) pero aplicables a la BP? No sé si hay algún método de "selección de futuro" (o algo así) con respecto a la BP, tal vez el algoritmo analiza la BP y quita o añade algo para hacer la previsión mejor, google no pudo ayudarme(