L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 635
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
Avec votre aide, nous trouverons peut-être une solution :-) Autrement dit, si j'ai bien compris, il faut choisir les entrées qui frottent près de zéro d'un côté et de l'autre. C'est vrai ?
:)))) Dans ce cas, vous devez appeler l'assistant pour obtenir de l'aide : )))).
Je ne peux dire qu'une chose : c'est la non-entropie qui est responsable de la tendance/de l'état plat. Une tendance est la "mémoire" du processus, sa "queue" de distribution et la non-entropie est énorme, alors que dans l'état plat elle est presque nulle. Je ne m'en occupe que moi-même, mais je comprends l'importance de ce paramètre peu étudié.
Qu'est-ce que je peux dire. Résumé préliminaire...
Si vous choisissez un modèle sur le principe de la proximité de zéroYu, peu importe de quel côté, alors 9 erreurs sur 24 transactions.
Si nous choisissons selon le principe du plus petit nombre, il n'y a que 7 erreurs sur 24. De plus, avec une entropie extrinsèquement négative, une fois était correcte et une fois était une erreur. Mais là encore, il s'agit d'un calcul stupide de l'entropie, alors que nous devons calculer l'information mutuelle. Je pense que c'est cette métrique qui peut clarifier beaucoup de choses. Quels modèles mettre à la poubelle et lesquels mettre sur un piédestal.
Quelqu'un peut-il expliquer ce que vous devez faire avec les données pour calculer le VI ????.
Qu'est-ce que je peux dire ? Résumé préliminaire...
Si vous choisissez le modèle sur le principe de la proximité de zéroYu, peu importe de quel côté, alors sur 24 transactions il y a 9 erreurs.
Si nous choisissons selon le principe du plus petit nombre, il n'y a que 7 erreurs sur 24. De plus, avec une entropie extrinsèquement négative, une fois était correcte et une fois était une erreur. Mais là encore, il s'agit d'un calcul stupide de l'entropie, alors que nous devons calculer l'information mutuelle. Je pense que c'est cette métrique qui peut clarifier beaucoup de choses. Quels modèles mettre à la poubelle et quels modèles mettre sur un piédestal.
Quelqu'un peut-il nous expliquer ce que nous devons faire avec les données pour calculer VI ????.
Brillant, Mikhail !
Serez-vous capable de faire le TS avec entropie/non-entropie plus rapidement que moi - compte PAMM ou signal dans le studio ! Je serai le premier à m'inscrire car ce sera la vérité.
Si vous choisissez un modèle basé sur la proximité du zéro, peu importe de quel côté, alors 9 erreurs sur 24 transactions.
Ces statistiques ne sont pas suffisantes - nous devons les multiplier par 100 au moins.
Si nous choisissons un modèle selon le principe de la proximité du zéro, peu importe de quel côté, alors 9 erreurs sur 24 transactions.
Si nous suivons le principe du plus petit nombre, seules 7 erreurs sur 24.
Essayez le chiffre le plus élevé - et si ce n'était pas pire ?
Brillant, Mikhail !
Si vous parvenez à faire un TS avec entropie/non-entropie avant moi - compte PAMM ou signal en studio ! Je serai le premier à m'inscrire car ce sera la vérité.
Malheureusement, je ne peux pas optimiser sur la base de ces métriques, parce que j'utilise l'optimiseur dans la boîte, mais le pré et post-traitement (sélection de modèle), je pense que je peux. Mais j'ai besoin d'aide dans le calcul de l'information mutuelle par l'exemple. Et après quelques recherches, nous pouvons tirer quelques conclusions. Au moins, il sera possible de tirer la conclusion la plus importante, à savoir si ces métriques sont pertinentes dans la préparation des données avant la formation et également après la formation dans la sélection du modèle......
Alexander, y a-t-il une possibilité de podcast avec explication ?
Les statistiques ne sont pas suffisantes - au moins 100 fois plus.
Eh bien, c'est juste moi... juste à la hâte. Personnellement, je pense que le site suivant.....
Si, à l'aide de la VFD, nous pouvons sélectionner des entrées pertinentes qui contiennent le maximum d'informations sur la sortie, alors les modèles sur ces entrées fonctionneront plus souvent qu'autrement. Et ensuite, dans le processus de fonctionnement du modèle sur RES, avec l'aide de VF pour repérer le moment où le modèle perd sa pertinence. Cela peut se produire temporairement. J'ai remarqué qu'après une série d'erreurs, le modèle recommence à fonctionner correctement comme si de rien n'était, je pense qu'une métrique telle que VVI peut nous aider tous dans un cas aussi difficile ..... Il ne reste plus qu'à calculer l'entropie conditionnelle... Personne ne sait comment le faire avec deux colonnes d'excel ?????.
Tu crois que j'ai passé la nuit à faire des conneries ? Non, j'ai travaillé sur le VBA. Je ne peux pas dire que je suis un gourou, mais je peux faire beaucoup de tours. J'ai le comptage de l'entropie là-dedans, tout ce que j'ai à faire c'est de calculer le conditionnel et je peux y aller.....
Tu vois, Michael, comment je fais :
Calculer les probabilités d'occurrence d'un événement, c'est-à-dire de tel ou tel incrément dans la série chronologique.
Par exemple, pour AUDCAD :
Ensuite, pour un volume d'échantillon donné, les incréments obtenus successivement comptent la non-gentropie en utilisant la formule dehttps://ru.wikipedia.org/wiki/Негэнтропия.
Je remarque que lorsque H(x) augmente fortement, la tendance commence.
Mais, je le répète, mes recherches n'en sont qu'au tout début et sont encore loin des déclarations fracassantes que j'aime habituellement faire.
Ensuite, pour un volume d'échantillon donné, les incréments obtenus successivement comptent la non-gentropie en utilisant la formule dehttps://ru.wikipedia.org/wiki/Негэнтропия.
Je remarque que lorsque H(x) augmente fortement, la tendance commence.
Mais, je le répète, mes recherches n'en sont qu'au tout début et on est encore loin des déclarations tapageuses que j'aime habituellement faire.
Il est surprenant que vous parliez de la non-entropie comme d'un calcul séparé, je me contente de compter l'entropie et elle s'avère négative. comment comprenez-vous cela ?
Quant aux extrêmes, vous avez tout à fait raison. Dans mes observations, sur 25 signaux, j'ai deux valeurs de ce type : une - 923 et une autre - 1233 et ces mêmes signaux étaient super-tendus.
Étonnamment, vous parlez de la non-entropie comme d'un calcul distinct, mais je me contente de compter l'entropie et le résultat est négatif.
Je ne sais pas encore. Je considère la non-entropie comme un paramètre supplémentaire à Hearst, l'asymétrie, l'aplatissement, etc. et ce paramètre est le plus mystérieux et, comment dire ? - Magnifique, oui.