Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1805
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
No quiero molestar, no quiero sincronizar con los datos de los probadores... ugh :) aunque... qué demonios
las noticias en el probador son imprescindiblesNo pude encontrar otro, y yo mismo descargué el archivo hace unos 4 meses))))
Sí, está claro.
la cuestión es determinar el tiempo de persistencia de la ST - si se puede determinar, entonces todo está bien - negociado su tiempo - enseñado - negociado - enseñado ...
No tengo suficientes datos para la prueba, por eso sugiero comprobar tanto el lado derecho como el izquierdo, mientras que no tiene sentido mirar profundamente en la historia, la volatilidad cambia todo el tiempo, es por eso que sólo un par de años son relevantes, al menos yo uso la genética para las opciones de 1,5 años, la prueba a futuro para 6 meses, a veces para un año, más de un año TS tiene gran drawdown - no el que me gustaría
No hay señales cualitativas, tengo que inventarme una bicicleta. Si el 5X es rechazado de la bandeja, es un buen modelo de todos modos.
¿Hay alguna forma de saber cuándo cambian los parámetros de aprendizaje? Hay que hacer algo intermedio, aparte de varios errores. Si sólo hay un algoritmo, debe tener algunos resultados intermedios.
¿Hay alguna forma de saber cuándo se modifican los parámetros de aprendizaje?
No sé, es automático. Si conoces la diferencia entre las operaciones rentables y las perdedoras, puedes saber por el premio total que está empeorando.
No lo sé, está todo en automático. Por la relación de operaciones rentables/perdidas, el revord total, se puede decir que empezó a funcionar peor.
La tardanza, como siempre, es un gran problema. Necesitas unas muletas. Tal vez habría que utilizar diferentes modelos matemáticos para comprobar cuál es mejor.
No lo sé, está todo en automático. Se puede ver en el ratio de operaciones rentables/perdidas, el revord total, que empezó a funcionar peor.
No hay que aumentar sino disminuir el periodo de aprendizaje.
Tarde como siempre es un grande. Se necesitan muletas. ¿Tal vez comprobar con diferentes matrices y ver cuál es la mejor?
Bueno, es un modelo de espacio de estado, también funciona de vez en cuando.
Bueno, estos son modelos de espacio de estado, también funcionan en algunos casos.
Bueno, tenemos una tarea de tiempo mínimo para determinar lo que está mal en la serie) Inicialmente se supone que la serie estacionaria con una media móvil descrita por el modelo matricial dará resultados suficientes con MO. Si cambiamos los parámetros del modelo matricial, no hay nada de qué preocuparse y el periodo antes del aprendizaje es aceptable. Cuando rompemos/cambiamos el modelo, tenemos un gráfico izquierdo no correcto para el nuevo modelo, y no sabemos exactamente el período requerido para el aprendizaje.
Necesitamos algo dentro del tutorial, como un indicador.
Bueno, tenemos una tarea de tiempo mínimo para determinar lo que está mal en la serie) Inicialmente se supone que la serie estacionaria con una media móvil descrita por el modelo matricial dará resultados suficientes en el caso de MO. Si cambiamos los parámetros del modelo matricial, no hay nada de qué preocuparse y el periodo antes del aprendizaje es aceptable. Cuando rompemos/cambiamos el modelo, tenemos un gráfico izquierdo no correcto para el nuevo modelo, y no sabemos exactamente el período requerido para el aprendizaje.
Se necesita algo dentro de la formación, como un indicador.
He realizado varios modelos, en función de los valores de los índices, cada modelo para un rango concreto de valores inducidos. También me he dado cuenta de que a veces funciona y a veces no.
ha realizado varios modelos, dependiendo de los valores de los inductores, cada modelo para un rango específico de valores de inductores. A veces ayuda, a veces no.