Discussion de l'article "Les forêts aléatoires prédisent les tendances" - page 8
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Non, ce n'est pas clair - je n'ai pas de chat et je doute que la température d'un animal de compagnie soit pertinente pour les informations sur le marché des changes.
Par ailleurs, je suis sûr à 100 % que la dynamique de la température du chat aura une corrélation non nulle avec la série de prix d'un instrument financier.
Tout à l'heure, vous avez affirmé que toutes les données avaient un pouvoir prédictif. Bien sûr, nous parlons ici de prédire les marchés financiers.
Si la puissance de calcul de nos ordinateurs le permettait, nous pourrions utiliser toutes les informations disponibles, y compris la température du chat. Elle serait simplement éliminée du processus de calcul. Mais comme les ressources sont limitées, nous devons utiliser notre propre tête.Quant à la corrélation, le fait qu'elle soit non nulle est une évidence, zéro peut rarement arriver. Mais elle est presque nulle. En général, achetez un chat, mettez un thermomètre dessus et vérifiez-le )) Peut-être aurez-vous de la chance et il vous rendra riche )).
Vous avez dit tout à l'heure que toutes les données ont un pouvoir prédictif, mais il s'agit bien sûr de prédire les marchés financiers.
Si la puissance de calcul de nos ordinateurs nous permettait d'utiliser toutes les informations disponibles, y compris la température du chat, elle serait tout simplement écartée du processus de calcul. Mais comme les ressources sont limitées, nous devons utiliser notre propre tête.En ce qui concerne la corrélation, le fait qu'elle soit non nulle - cela va sans dire, zéro en général peut rarement arriver. Mais presque zéro. En général, achetez un chat, mettez-lui un thermomètre et vérifiez-le )) Peut-être aurez-vous de la chance et il vous rendra riche )).
vous mentez - je me cite"Je vous donne la réponse à votre question - il y a un certain "pouvoir prédictif" dans toutes les données. Et alors ? Il y a une sorte d'information dans toutes les données du forex".
Si vous avez un ensemble de centaines de milliers d'observations, la question de la puissance de l'ordinateur serait pertinente.
vous mentez - je me cite"Je vous donne la réponse à votre question - il y a un certain "pouvoir prédictif" dans toutes les données. Et alors ? Il y a une sorte d'information dans toutes les données de forex".
viande:
vous avez déjà affirmé qu'il y avait un pouvoir prédictif dans toutes les données
Et quel est le mensonge ?
Et quel est le mensonge ?
Je me suis décodé moi-même dans la deuxième phrase.
Par exemple, information = pouvoir prédictif ? Comment pouvez-vous en être si sûr ? Si je vous communique des "données sur le marché des changes", vous pourrez prédire le prix en fonction de celles-ci ?
Il n'y a pas que le forex, il y a aussi les marchés boursiers, les marchés des matières premières et bien d'autres choses.... Tout est interconnecté.
faa1947:
J'ai une douzaine de clients. Avant de communiquer avec moi, ils étaient tous joyeux et gais, mais maintenant ils sont tristes et pensifs.
faa1947, veuillez montrer comment votre modèle fonctionne sur l'exemple ci-dessous. La première colonne est la série modélisée, les deuxième et troisième colonnes sont les variables prédictives. Quel est le pouvoir prédictif de ces prédicteurs ?
Quel est le pouvoir prédictif de ces indicateurs ?
Apparemment, les nombres ne sont pas aléatoires. Je l'ai vérifié très simplement : j'ai généré trois rangées de 40 rangées au hasard et j'ai appliqué neuronka à ces rangées. Sur des données aléatoires, la capacité de généralisation est nettement moins bonne que sur les données susmentionnées.
Je serais intéressé par différentes approches algorithmiques universelles pour déterminer le pouvoir prédictif de ces deux prédicteurs. L'économétrie, la neuronique et les réseaux profonds sont les bienvenus. Montrez-nous ce qu'ils peuvent faire. Vous pouvez montrer soit un paramètre caractérisant la capacité prédictive de ces prédicteurs (coefficient de corrélation, information mutuelle, RMS et autres inventions), soit une comparaison entre les résultats du modèle et les séries simulées.
J'ai amené l'échantillon à une forme appropriée pour la classification binaire, c'est-à-dire pour calculer la variable dépendante afin de voir si elle est supérieure ou inférieure à zéro (fichier CSV dans l'archive jointe), j'ai fait une recherche avec libVMR et j'ai obtenu ce modèle :
/**
* La qualité de la modélisation :
*
* VraisPositifs : 9
* VraisNégatifs : 11
* FauxPositifs : 0
* FauxNégatifs : 0
* Sensibilité de la capacité de généralisation : 100.0%
* Spécificité de la capacité de généralisation : 100.0%
* Capacité de généralisation : 100.0%
*/
double x0 = 2.0 * (v0 + 0.96485) / 1.900503 - 1.0 ;
double x1 = 2.0 * (v1 + 1.00814) / 2.399897 - 1.0 ;
y = 0,12981203254657206 + 0,8176828303879957 * x0 + 1,0 * x1 -0,005143248786272694 * x0 * x1 ;
Le secret de la "grande généralisabilité" de votre échantillon est révélé : la valeur de la première colonne est la somme des valeurs des deux autres colonnes.