L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 960
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 savais pas que tout cela était utilisé depuis longtemps pendant que j'inventais...
tout ce qui est discuté ici est utilisé depuis un demi-siècle maintenant.
maintenant, seuls des modèles plus avancés comme le diplinning sont ajoutés.
observation - il n'y a pas une seule idée qui m'est venue et que je n'ai pas trouvée presque exactement identique sur Internet. (Par exemple, j'ai récemment publié un exemple sur la logique floue et la NS. D'abord j'en ai trouvé un et ensuite j'ai trouvé exactement le même 1 dans 1, bien que l'article soit assez récent là) Et il n'y a pas un seul modèle de MO qui n'ait pas déjà été essayé sur le marché avant vous :) Principalement des ressources en langue anglaise, bien sûr... Dans le Runet en général, une confusion totale.
J'utilise tout ce qui est discuté ici depuis un demi-siècle.
maintenant, seuls des modèles plus avancés, comme le diplome, sont ajoutés.
observation - il n'y a pas une seule idée qui m'est venue et que je n'ai pas trouvée presque exactement identique sur Internet. (Par exemple, j'ai récemment publié un exemple sur la logique floue et la NS. D'abord j'en ai trouvé un et ensuite j'ai trouvé exactement le même 1 dans 1, bien que l'article soit assez récent là) Et il n'y a pas un seul modèle de MO qui n'ait pas déjà été essayé sur le marché avant vous :) Principalement des ressources en langue anglaise, bien sûr... en Runet en général une confusion totale.
Ennuyeux :)
Ennuyeux :)
Je ne sais pas quoi faire ensuite, personne ne m'a donné d'idées, je suis trop paresseux pour réfléchir.
Il y a un modèle, des trains constamment bien dans différentes modifications, certains à 100% et plus de trains travaillent sur l'AM, comme ici ... (4 mois de formation 10 mois d'AM) puis plus rien
Je ne vois pas l'intérêt de tester les démos car tout est déjà clair.
Je ne sais pas quand le système va se planter dans le futur :D J'ai fait une sorte de semigraal et maintenant je suis assis et je le regarde dans le vide, 50k ont déjà été offerts.
Je dois à nouveau lire des livres de 500 pages en anglais...
Je ne sais pas quoi faire ensuite, personne n'a encore trouvé d'idées, je suis trop paresseux pour y penser.
Il y a un modèle, les trains sont constamment bien dans différentes modifications, certains à 100% et plus de trains travaillent sur l'AM, comme ici... (4 mois de formation 10 mois d'AM) puis plus rien
Je ne vois pas l'intérêt de tester les démos car tout est déjà clair.
Je ne sais pas quand le système va se planter dans le futur :D J'ai fait une sorte de semigraal et maintenant je suis assis et je le regarde dans le vide, 50k ont déjà été offerts.
Lire des livres de 500 pages en anglais à nouveau...
Peut-être commencer à échanger des fetchs ?
La thèse selon laquelle "les déchets d'entrée sont des déchets de sortie" est valable et importante à comprendre, et mérite une étude fondamentale. Bien entendu, elle ne couvre pas toutes les possibilités de modélisation et ne tient pas compte de l'infinité de façons de choisir les données d'entrée pour la recherche. Nous savons tous que le choix des données est déterminé par les caractéristiques de l'objet étudié ou par la nature de son modèle mathématique, s'il est connu. D'autre part, toute donnée doit être considérée à un certain niveau d'abstraction par rapport à un ensemble de facteurs "absolus" déterminant le comportement du marché. Sans ces repères, nous ne pouvons que faire une estimation comparative, qui sera purement locale. Personnellement, d'après mon expérience, j'ai constaté qu'une approche réfléchie du choix des données d'entrée améliore les performances de la modélisation numérique.
Et si on commençait à échanger des puces ?
Je n'ai que des prix d'entrée, je ne souffre pas de puces :) l'essentiel est la sélection des cibles
La thèse selon laquelle "les déchets d'entrée sont des déchets de sortie" est valable et importante à comprendre, et mérite une étude fondamentale. Bien entendu, elle ne couvre pas toutes les possibilités de modélisation et ne tient pas compte de l'infinité de façons de choisir les données d'entrée pour la recherche. Nous savons tous que le choix des données est déterminé par les caractéristiques de l'objet étudié ou par la nature de son modèle mathématique, s'il est connu. D'autre part, toute donnée doit être considérée à un certain niveau d'abstraction par rapport à un ensemble de facteurs "absolus" déterminant le comportement du marché. Sans ces repères, nous ne pouvons que faire une estimation comparative, qui sera purement locale. Personnellement, d'après mon expérience, j'ai constaté qu'une approche réfléchie du choix des données d'entrée augmente les performances de la modélisation numérique.
Je pense à terver+MO, il n'y a pas beaucoup d'autres choix possibles. C'est plutôt scientifique et de bon goût.
pas très bon avec le terver, je dois l'apprendre
Je n'ai que des prix d'entrée, je ne souffre pas de puces :) l'essentiel est la sélection des cibles
Alors tout cela ne devrait fonctionner que tant que les prix historiques se répètent...
Je pense à Terver+MO, il n'y a pas beaucoup d'autres choix. C'est plutôt scientifique et de bon goût.
Je ne sais pas pour le terver, je vais devoir l'étudier.
Exactement.
C'est ce que fait un certain Asaulenko. Bien qu'il essaie de se tortiller comme un lièvre, c'est un physicien et j'ai foi en son modèle.
Et c'est comme suit - il regarde si le prix est en dehors du niveau de probabilité de confiance, et le NS donne en plus la permission/le refus d'entrer dans la transaction. J'ai la même chose, mais au lieu de NS, j'utilise le coefficient d'asymétrie de Pearson. Mais c'est mieux. Je veux le faire de cette façon aussi.