L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1978
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
Cela fonctionne mieux, mais c'est beaucoup plus difficile) si le RL est également vissé.
En général, les réseaux de rétropropagation conventionnels comme le mlp ne sont pas adaptés aux séries temporelles, pas du tout. Au moins vous avez besoin de RNNIls sont bons pour la papeterie) Une logique simple pour des travaux simples seulement. Pour les rangs réels, un algorithme complexe est nécessaire).
Pour les stationnaires, ils sont bons) La logique simple pour les travaux simples seulement. Pour les séries réelles, un cerveau complexe est nécessaire).
Toute série non stationnaire peut être représentée comme une somme de séries stationnaires de longueur arbitraire. Mais la longueur arbitraire est un gros problème dans le problème de la prévision.
Toute série non stationnaire peut être représentée comme une somme de séries stationnaires de longueur arbitraire. La longueur arbitraire est un gros problème dans le problème de la prédiction.
C'est une grande idée fausse.
Pour les stationnaires, ils sont bons) La logique simple pour les travaux simples seulement. Pour les séries du monde réel, vous avez besoin d'un cerveau complexe).
dépend du rapport signal/bruit. À un moment donné, elles cessent de fonctionner, car elles ne tiennent pas compte de la non-mortalité.
Grosso modo, la régularité disparaît sur les séries bruyantes (boucles évidentes), mais la non-marquage est préservé (si le processus est à mémoire). Le mlp normal ne l'attrape pas, seulement le RNN.
d'où mlp, boosting, forest, etc. uniquement pour les processus markoviens sans mémoire.
Exemple avec le langage : toute langue possède un certain niveau d'entropie, c'est-à-dire l'alternance des mots dans la langue. À un niveau élevé, le discours devient incohérent, par exemple s'il y a beaucoup de mots parasites, ou si vous êtes simplement Peter Konov. Dans ce cas, vous ne pouvez l'attraper qu'à partir du contexte, ce qui nécessite la mémoire des phrases passées (modèles).
Par exemple, vous lisez ma phrase et vous ne savez pas qui est Peter et dans quel contexte je l'ai écrite. Vous n'avez aucun souvenir des événements passés et ne pouvez pas les relier à la formulation actuelle, vous tirez donc des conclusions erronées.
dépend du rapport signal/bruit. À un moment donné, elles cessent de fonctionner, car elles ne tiennent pas compte de la non-obscurité.
En gros, dans les rangs bruyants, la régularité disparaît (cycles évidents), mais la non-mariété est préservée (si le processus est à mémoire). Le mlp normal ne l'attrape pas, seulement le RNN.
d'où mlp, boosting, forest, etc. uniquement pour les processus markoviens sans mémoire.
Exemple avec le langage : toute langue possède un certain niveau d'entropie, c'est-à-dire l'alternance des mots dans la langue. À un niveau élevé, le discours devient incohérent, par exemple s'il y a beaucoup de mots parasites, ou si vous êtes simplement Peter Konov. Dans ce cas, vous ne pouvez l'attraper qu'à partir du contexte, ce qui nécessite la mémoire des phrases passées (modèles).
Par exemple, vous lisez ma phrase et vous ne savez pas qui est Peter et dans quel contexte je l'ai écrite. Vous n'avez aucun souvenir des événements passés et ne pouvez pas les relier à la formulation actuelle, vous tirerez donc des conclusions erronées.
Le rapport signal/bruit est bien sûr déterminant. Dans le cas d'un bruit fort, les régularités faibles seront perdues, vous ne pourrez pas les voir. Mais dans le cas des séries de prix, le bruit n'est pas créé de l'extérieur. Le bruit est une régularité qui s'estompe ou qui est faible, même si elle est forte. Mais cela ne change rien à l'essentiel. Les régularités qui peuvent être détectées et le reste est du bruit.
Il s'agit d'une grande idée fausse.
Certainement pas pour n'importe qui dans le plein sens du terme "n'importe qui". Le bruit blanc ne s'applique pas ici, mais nous ne l'envisageons pas non plus. Au départ, une série est composée de différentes régularités, et elles ont des amplitudes et des longueurs différentes, nous avons donc une série avec du bruit et des régularités.
Le rapport signal/bruit est bien sûr le facteur déterminant. S'il y a beaucoup de bruit, les faibles régularités seront perdues, elles ne seront tout simplement pas visibles. Mais dans le cas des séries de prix, le bruit n'est pas créé de l'extérieur. Le bruit est une régularité qui s'estompe ou qui est faible, même si elle est forte. Mais cela ne change rien à l'essentiel. Les modèles qui peuvent être détectés et le reste est du bruit.
Si le bruit est plus important que le signal, il est toujours sur ou sous alimenté (en cas d'échantillonnage de validation). Parce qu'il n'y a pas de modèles stables.
et quand il y a beaucoup de bruit et peu de motifs, alors essayez d'isoler le signal.
il est vraiment difficile de comprendre pourquoi une séquence de motifs bruyants contient un signal mais pas un seul motif. Nous pouvons simplement augmenter le nombre de caractéristiques (l'historique étant alimenté). Mais non, ça ne marche pas comme ça. Le bruit sur le bruit produit du bruit. Il faut une extraction de contexte plus subtile, ça marche là pour une raison quelconque. De la magie, en un mot.
Eh bien, lorsque le bruit est supérieur au signal, il s'agit toujours d'un sur- ou d'un sous-ajustement (en cas d'échantillonnage de validation). Parce qu'il n'y a pas de modèles stables.
mais quand il y a beaucoup de bruit et peu de modèles, vous essayez d'isoler le signal.C'est le but de toutes les recherches dans tous les domaines probabilistes, pour isoler un modèle et saisir le moment où il disparaît. Et il est généralement moins problématique et moins coûteux de l'isoler).
:з
gentil gentil poli))))
aimable affectueuse polie))))
Je fais un journal complet, ça te dira ce qu'il fait.
afin que nous puissions déterminer ce qu'il faut améliorer