L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2141
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
Vladimir, sais-tu ce qui rend ZZ malade du paquet TTR ?
dessine parfois de telles insuffisances
пример zz <- TTR::ZigZag(HL = cbind(d$X.HIGH.,d$X.LOW.) ,change = 0.0009,percent = F)Et en général, plus je le regarde, plus il me semble inadéquat.Ceci et en MT avec un zigzag
Est-ce normal pour vous ?
Est-ce normal pour vous ?
Non, bien sûr que non.
Pourquoi cela se produit-il alors ?
alors pourquoi cela se produit-il ?
Apparemment, tous les cas ne sont pas pris en compte dans l'algorithme, que peut-on dire d'autre ?
En ce qui concerne la normalisation invariante de la TF pour le modèle ...
nous prenons les séries, nous identifions les points de rupture importants.
ne laisser que les points extrema, supprimer le reste
normaliser
Maintenant, prenez les distances entre les points de rupture dans la première série, créez une nouvelle série à partir d'elles et normalisez-les également.
de telle sorte que nous aurons une série normalisée, tant en amplitudes qu'en temps (fréquences).
Tout ce qui est nécessaire est de garder le nombre d'extrema dans le modèle égal, tout le reste est normalisé.
Ainsi, le modèle peut être alimenté en données, même une minute ou une semaine, et il les verra comme la même chose, il sera invariant à la TF.
Vous pouvez former un modèle pour toutes les TF en même temps.
=============================================
Pour ceux qui n'ont pas compris ce que c'est et à quoi ça sert
Ce sera un seul et même modèle pour le modèle car c'est un seul et même modèle.
En ce qui concerne la normalisation invariante de la TF pour le modèle ...
nous prenons les séries, nous identifions les points de rupture importants.
ne laisser que les points extrema, supprimer le reste
normaliser
Maintenant, prenez les distances entre les points de rupture dans la première série, créez une nouvelle série à partir d'elles et normalisez-les également.
de telle sorte que nous aurons une série normalisée, tant en amplitudes qu'en temps (fréquences).
Tout ce qui est nécessaire est de garder le nombre d'extrema dans le modèle égal, tout le reste est normalisé.
Ainsi, le modèle peut être alimenté en données, même une minute ou une semaine, et il les verra comme la même chose, il sera invariant à la TF.
Vous pouvez former un modèle pour toutes les TF en même temps.
=============================================
Pour ceux qui n'ont pas compris ce que c'est et à quoi ça sert
Ce sera un seul et même modèle pour le modèle car il s'agit d'un seul et même modèle.
ne fonctionne pas
ça ne marche pas
ce qui ne marche pas ? la normalisation ? vous manquez de sommeil ou quoi ?)
Exécutez cette ZZ dans la NS
il faut le faire dans une fenêtre coulissante mais n extrema, pas tous, c'est la première chose
deuxièmement, tout ce que j'ai écrit a été fait pour prédire une ligne de tendance, pas juste pour le plaisir...
Toutes ces transformations ont été faites pour une certaine tâche.