Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 357
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
Puede ver un patrón cíclico.
Descompóngalo en Fourier (en R son 2 ó 3 líneas), represéntelo y no verá ninguna ciclicidad. Es un espectro suave.
Prueba la función de autocorrelación. Silencio de nuevo, pero debería salir si hay un patrón cíclico.
Descompóngalo en Fourier (en R son 2 ó 3 líneas), represéntelo y no verá ninguna ciclicidad. Es un espectro suave.
Intente utilizar de nuevo la función de autocorrelación, pero debería aparecer si el comportamiento cíclico está presente.
Considerará tanto las variaciones grandes como las pequeñas, las grandes serán un componente de la tendencia y las pequeñas - una señal para la entrada
Y luego convertir las señales teniendo en cuenta los gráficos actuales y su relación con bollinger. El método de experimentación científica, en definitiva
Con un periodo de foyles 1 será así :)
Y se puede ver un patrón cíclico
Fila estacionaria. Y las emisiones se eliminan - procedimiento estándar
también se intenta tener en cuenta las emisiones, se supone que LSTM es capaz de hacer frente
Creo que para enseñar NS a la vez, alimentar varios períodos diferentes con estos histogramas, se tendrá en cuenta tanto los cambios más grandes como los más pequeños, los grandes serán un componente de tendencia y los pequeños serán señales para entrar
Y luego convertir las señales teniendo en cuenta los gráficos actuales y su relación con bollinger. Para resumirlo como una regla general
¿Alguien sabe la respuesta a la pregunta: cómo trata NS las entradas no estacionarias?
¿Mal? )
¿Alguien sabe la respuesta a la pregunta: cómo tratan las NS las entradas no estacionarias?
Me gustaría, antes de enseñar NS, modelarla, ver si hay algo que valga la pena. Entonces la formación será más adecuada.
Todo está claro aquí, los extremos anuncian un retroceso, especialmente los cortos, una serie antipersistente es obvia - un nuevo pico es seguido por un nuevo valle (en el indicador con un período pequeño)
La situación opuesta se da en un indicador con un periodo mayor, la serie parece persistente, un nuevo máximo es seguido por un nuevo máximo, es decir, se pueden identificar las tendencias largas, al mismo tiempo, la serie es estacionaria y se puede encontrar (aproximadamente) el final de las tendencias
He leído muchos libros, ¿verdad?
Algoritmo de trabajo: definimos la tendencia y trabajamos por ella, realizando entradas en la serie de antiperiencia, para aumentar la probabilidad de ganar. Al mismo tiempo, si el indicador con un período grande está cerca de los extremos de la media, cambiamos las entradas de la operación al contrario, si la tendencia comienza a cambiarTodo está claro aquí, los extremos señalan una inversión, especialmente de los períodos cortos, una serie antipersistente está presente - un nuevo pico es seguido por un nuevo valle (en el indicador con un pequeño período)
Lo contrario es el caso de un indicador de largo periodo, la serie parece persistente, un nuevo máximo es seguido por un nuevo máximo, es decir, es posible identificar tendencias largas, al mismo tiempo la serie es estacionaria y se puede encontrar (aproximadamente) el final de las tendencias
He leído muchos libros, ¿eh?
(Genial.) ¿Cuál es la antipersistencia?
Aun nuevo máximo (probablemente un mínimo) le sigue un nuevo máximo; sí, yo también he pasado por eso, los gráficos me resultan familiares. Simulas - y no hay nada allí - vacío. Tal vez tengas suerte.