Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3092
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
Entiendo que hay que presentar un TC rentable y no cualquier cosa.
Ya he esbozado el algoritmo para probar esta cosa, pero sólo hay un matiz con las métricas.
Necesito optimizar las 4 + 1 métricas
O sólo
Pero no entiendo cómo hacen la validación cruzada sin entrenamiento. Se limitan a alimentar un conjunto listo de devoluciones y luego lo mezclan en 12000 variantes. Debería entrenarse en cada una de las 12000 IS y predecirse en cada OOS correspondiente.
Así es como se entrena.
Tal vez es hora de mirar el paquete.
Así es como se enseña.
Creo que sólo evalúa la estabilidad de las predicciones del modelo externo.
¿Dónde están los hiperparámetros forest/NS? No - así que no es entrenamiento. Los predictores tampoco se alimentan.
Creo que sólo evalúa la estabilidad de las predicciones del modelo externo.
Estima la estabilidad mediante regresión lineal, según tengo entendido.
¿Hay algo en el documento acerca de los bosques / NS?No entiendo un poco lo de la competencia. Profsreda, no profsreda, hay una tarea, y la discusión de la corrección de la tarea es más relevante, y si es correcta, ¿por qué no?
Respeto las opiniones de todos los participantes del holivar, pero tengo otra))))))
Sin parámetros externos o de otro tipo todo es muy complicado, o más bien cerca de la máquina de movimiento perpetuo))))) Pero con parámetros externos el mismo gran problema)
El retorno a la media es el más fácil de entender y eterno aparentemente y está claro que en tf pequeños los errores son menores, pero Saber ticks también da cisnes negros)))))
estima la estabilidad mediante regresión lineal según tengo entendido
¿Hay algo en el artículo sobre bosques/NS?¿O tal vez es simple? ¿Como Rattle?
Tomamos dos archivos, el primero es grande, el segundo puede ser más pequeño, pero con las fechas más recientes en relación con el primero.
Dividimos el primer archivo por muestreo aleatorio en tres partes: tren, prueba, validación en las proporciones 70/15/15. En tren enseñamos con validación cruzada.
En tren enseñamos con validación cruzada, por ejemplo con 5 pliegues. Si un pliegue es mínimo 1500 barras, entonces tren = 7500 barras. En un círculo 15000 barras para dos archivos de origen será suficiente.
Ejecutamos el modelo entrenado en la prueba, la validación y obtener un error de clasificación en cada uno .
A continuación, ejecutamos la ventana de 1500 compases en el segundo archivo. Recoger el error de clasificación.
Si TODOS los errores de clasificación obtenidos caen dentro del canal del 5%, entonces todo está bien: podemos confiar en el error de clasificación obtenido y no hay que volver a entrenar.
¿Qué tal si lo hacemos sencillo?
Vamos a ver.
Primero deberías intentar ejecutar el algoritmo y probarlo, si no funciona entonces tíralo y olvídalo... 99%.
Si funciona, entonces puedes profundizar en el artículo, profundizar en el método, intentar mejorar / cambiar / sustituir el 1% .
¿Hay algo sobre bosques/NS en el artículo?
No