L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 636
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
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.
Une autre observation tirée de l'expérience. Je n'ai pris en compte que les entrées ayant une entropie supérieure à zéro et insignifiante. Par conséquent, l'optimisation est nettement moins bonne par rapport à l'ensemble contenant les mêmes entrées et tout le reste avec une entropie négative. D'où la conclusion. Il est nécessaire de sélectionner de telles entrées, dont l'entropie tourne autour de zéro des deux côtés. Autrement dit, un ensemble d'entrées sans entropie négative s'entraîne moins bien qu'un ensemble avec une entropie à la fois négative et positive.
Lorsqu'il n'y a QUE des entrées avec une entropie négative, ces ensembles sont également très bien formés, mais en raison des particularités de l'optimiseur et de l'absence de telles entrées, les modèles ne sont pas à la hauteur par rapport aux ensembles qui ont également des entrées positives. L'essentiel est que les entrées soient aussi petites que possible...
Les frères n'ont plus qu'un petit pas à faire pour nous, mais ce sera un grand pas pour toute l'humanité......
Je suis d'accord avec vous. Michael. Et ce n'est pas une blague. Je le pense sérieusement.
Je suis d'accord avec vous. Michael. Et ce n'est pas une blague. Je le pense vraiment.
Alors... Il y a deux colonnes A et B, comment calculer la probabilité conditionnelle de A à partir de B ? L'Internet est plein de formules, mais les exemples ne semblent pas justes... Je n'arrive pas à comprendre :-(
Arrêtez de déconner comme ça, tenez-vous bien.
l'un ne sait pas sur quoi il écrit, l'autre l'appâte ))))
Si vous voulez tout savoir sur l'avenir à un moment donné, c'est-à-dire prédire, vous devez réduire le processus à un processus markovien. Faites en sorte que la non entropie --> 0.
Vous êtes sûr que c'est le cas ? Pour un processus non-markovien, on suppose que le prix se comportera de la même manière (le même mouvement après les mêmes modèles), vous pouvez prendre le modèle de prix actuel et les neurones entraînés vous diront où le prix ira ensuite. C'est très bien.
Mais que dois-je faire avec le processus de Markov ? Comment dois-je échanger quelque chose qui est complètement aléatoire ?
Arrêtez de déconner comme ça, tenez-vous bien.
L'un ne sait pas ce qu'il écrit, et l'autre l'appâte. ))))
Et si l'homme avait vraiment couru jusqu'à la ligne d'arrivée ? OK, je ne vais pas polluer le fil de discussion avec des déchets ^)))))
Vous êtes sûr que c'est le cas ? Pour un processus non-markovien, on suppose que le prix se comportera de la même manière (le même mouvement après les mêmes modèles) au moins occasionnellement, vous pouvez prendre le modèle de prix actuel et le réseau neuronal entraîné vous dira où le prix ira ensuite. C'est très bien.
Mais que dois-je faire avec le processus de Markov ? Comment puis-je échanger quelque chose qui est complètement aléatoire ?
Le hasard n'est pas le hasard :-) Le mouvement des prix a toujours une raison et il est donc faux de dire qu'il est le fruit du hasard. De plus, l'observateur peut manquer d'informations sur la cause et le mouvement devient aléatoire... IMHO....
Alors... Il y a deux colonnes A et B, comment puis-je calculer la probabilité conditionnelle de A à partir de B ? L'internet est plein de formules, mais les exemples ne semblent pas justes... Je n'arrive pas à comprendre :-(
https://www.mql5.com/ru/articles/3264
Vous êtes sûr que c'est le cas ? Pour un processus non-markovien, on suppose que le prix se comportera de la même manière (le même mouvement après les mêmes modèles) au moins occasionnellement, vous pouvez prendre le modèle de prix actuel et le réseau neuronal entraîné vous dira où le prix ira ensuite. C'est très bien.
Mais que dois-je faire avec le processus de Markov ? Comment puis-je échanger quelque chose qui est complètement aléatoire ?
Imaginez un modèle de Wiener avec une dérive - et c'est tout.