Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3367
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
¿Así que negamos la ciencia del filtrado adaptativo, la teoría de los sistemas adaptativos..... es una utopía, no existe? ))))))).
Si el período de la máquina está controlada por ATR, también es imposible ... utopía?
¿O es una utopía en el cerebro?
cuando el período de MA es controlado por ATR (o viceversa), pero es necesario revelar ambas fórmulas y no asustar a su cerebro con optimizaciones
Si no tienes cerebro, eso es lo que pasa).
cuando el período de MA es controlado por ATR (o viceversa), pero es necesario revelar ambas fórmulas y no asustar a su cerebro con optimizaciones
Pues sí, esa es la "idea" de algunos compañeros, deshacerse de la optimización. ¿Conoces la respuesta a la pregunta "Cómo construir un sistema autoadaptativo con la ayuda de mashka y no asustar a tu cerebro con optimizaciones?"? - dímela, por favor. Como vemos, mucha gente lo sabe pero calla por alguna razón.
Naturalmente, cualquier otra cosa tal "sistema adaptativo" no se filtraría)).
¿Optimizar para qué?
¿Adaptarse a qué?
Siempre hay discusiones, como si no hubiera nada alrededor. Y lo más importante, no está claro qué problema estamos resolviendo con la ayuda de la optimización o la adaptación.
Si no se especifica el problema, todo esto no es más que otra basura vacía.
Y el problema es exactamente el mismo: un mercado no estacionario. Es por eso que cualquier charla sobre la optimización o adaptación de diferentes mashka incluso con ATRs son sólo basura vacía, y sobre cualquier indicador e incluso los filtros más sofisticados y así sucesivamente y así sucesivamente ....
Hay dos enfoques en los mercados no estacionarios, que incluyen series temporales financieras:
1. 1. Modelización de la no estacionariedad con destrucción preliminar de sus manifestaciones más flagrantes, por ejemplo, las tendencias - se trata de GARCHs.
2. Búsqueda de patrones en la historia mediante MOE. Si se hace un esfuerzo de preprocesamiento, estos patrones darán un error de clasificación futuro inferior al 20%.
Todos.