Aprendizaje automático en el trading: teoría, práctica, operaciones y más

mytarmailS 2018.10.24 12:35 #11311

Y esto es lo que necesitaba para algoritmizar un piso

Los lotes no se basan en absoluto en el precio, sino en una función diferente...

El dibujo de los rectángulos se implementa aquí para que la señal sea válida desde el principio del rectángulo y no al final como en los ejemplos anteriores

El gráfico tiene los niveles de Pd y Sp. compramos a los rojos, vendemos a los verdes

tenemos una parada pero es sólo un corte de un plazo sintético

Bp y SP son zonas de sobrecompra y sobreventa según tengo entendido

Utilizo una red neuronal para encontrar sobrecompra y sobreventa

Teoría del mercado Algo interesante Sobre la desigual probabilidad

mytarmailS 2018.10.24 13:09 #11312

Maxim Dmitrievsky:

Maldita sea gente, discutamos los sistemas normales, ¿eh? con patrones objetivos

tomar 2 instrumentos correlacionados cualesquiera y construir un modelo

¿arbitraje?

mytarmailS 2018.10.24 13:29 #11313

Maxim Dmitrievsky:

O uno de vapor.

¿Dónde está el modus operandi?

Renat Akhtyamov 2018.10.24 13:56 #11314

mytarmailS:

¿Dónde está el Ministerio de Defensa?

http://sun.tsu.ru/mminfo/2016/Dombrovski/book/chapter-2/chapter-2.htm

Maxim Dmitrievsky 2018.10.24 17:55 #11315

¿alguien ha utilizado el cv leave-one-out para LR? ¿sustituye al muestreo de validación por separado? Creo que Vizard es el único que lo ha utilizado :)

Es mejor pensar en la validación cruzada como una forma de estimar el rendimiento de la generalización de los modelos generados por un procedimiento concreto, más que del propio modelo. La validación cruzada con exclusión es esencialmente una estimación del rendimiento de la generalización de un modelo entrenado en n-1 muestras de datos, que suele ser una estimación ligeramente pesimista del rendimiento de un modelo entrenado en n muestras.

En lugar de elegir un modelo, lo que hay que hacer es ajustar el modelo a todos los datos, y utilizar LOOC-CV para proporcionar una estimación ligeramente conservadora del rendimiento de ese modelo.

Tenga en cuenta, sin embargo, que LOOCV tiene una alta varianza (el valor que obtendrá varía mucho si utiliza una muestra aleatoria de datos diferente), lo que a menudo lo convierte en una mala elección de estimador para la evaluación del rendimiento, aunque sea aproximadamente insesgado. Lo uso todo el tiempo para la selección de modelos, pero realmente sólo porque es barato (casi gratis para los modelos de núcleo en los que estoy trabajando).

"Contras y pros. Un estimador como éste estaría bien para acelerar la selección del modelo

Redes Neurais em IA ¿Dónde está la línea una estrategia de negociación