L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2365
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
Alors il est temps de passer à R)
la langue est trop nauséabonde, comme une saucisse aigre.
puis julia si vous voulez que ce soit plus rapide que python.
Ce que vous mettez dedans, c'est ce que vous obtenez.
Tout ce que vous mettez dedans sera de la bouillie, toujours ! !!
Les règles qui sont apparues pendant l'entraînement dans la matrice X ne fonctionneront jamais à l'avenir en raison de la non-stationnarité du marché.
Les règles sont liées aux index des colonnes de la matrice, et les index "flottent" tout le temps à cause de la non-statsynarité...
La répétabilité des règles sera toujours à peu près nulle...
Comment l'expliquer autrement ? Je l'ai déjà dit en mots et en images...
Ok, j'ai compris. Tu n'as pas besoin d'aide.
Aider à quoi ?
Langue trop nauséabonde, comme du saumon aigre.
Tu es sûr pour la langue ? ))
la langue est trop nauséabonde, comme une saucisse aigre.
alors julia, si vous voulez que ce soit plus rapide que python.
Certaines choses que j'aime beaucoup par la suite me paraissent désagréables au début : le café, le caviar, le wasabi, la musique rock, etc. Je ne peux rien dire sur les saures, mais ils mangent du surströmming).
Mon choix personnel se porte sur le C et l'interpréteur C de ROOT du Cern, mais j'ai dû passer à R parce qu'une grande partie des fonctions de matstat n'est disponible que dans ce langage.
L'important est que les paquets R sont écrits pour la plupart par des mathématiciens, et non par des programmeurs, comme c'est le cas en python ou dans notre mcl5 - cela les rend beaucoup plus sensibles)
Certaines choses que l'on aime beaucoup par la suite paraissent désagréables au début - le café, le caviar, le wasabi, la musique rock, etc.) Je ne peux rien dire sur les saures, mais ils mangent du surströmming).
Mon choix personnel se porte sur le C et l'interpréteur C de ROOT du Cern, mais j'ai dû passer à R parce qu'une grande partie des fonctions de matstat n'est disponible que dans ce langage.
Il y a aussi le fait important que les paquets R sont principalement écrits par des mathématiciens, et non par des programmeurs comme dans python ou dans notre mcl5 - cela les rend beaucoup plus significatifs).
Je suppose, mais je ne suis pas un mathématicien, Dieu merci, ni même un statisticien.
Tout ce que vous mettez dedans sera de la bouillie, toujours ! !!
Les règles qui sont apparues pendant l'entraînement dans la matrice X ne fonctionneront jamais à l'avenir en raison de la non-statsynarité du marché.
Les règles sont liées aux index des colonnes de la matrice, et les index "flottent" tout le temps à cause de la non-statsynarité...
La répétabilité des règles sera toujours à peu près nulle...
Comment l'expliquer autrement ? Je l'ai déjà dit en mots et en images, et tout est passé...
Nous devons donc vérifier la robustesse et la comparabilité des prédicteurs sur différentes périodes.
Aider à quoi ?
Ressources informatiques.
J'ai déjà écrit comment éliminer la corrélation sérielle dans la fenêtre glissante jusqu'à presque zéro, lors de la préparation des données.
Rappelle-moi comment ? MGC ?
Ou simplement jeter les colonnes corrélées et en laisser une ?Rappelle-moi comment ? MGC ?
Ou simplement jeter les colonnes corrélées et en laisser une ?J'ai utilisé mgc pour voir s'il y a une ser... corrélation.
si c'est le cas, supprimez la série d'échantillons corrélés et/ou passez par gm, ce qui rend automatiquement la distribution plus normale.
Il ne s'agit pas de corréler les échantillons entre eux dans le temps, c'est pourquoi on parle de corrélation sérielle.
certains spécialistes locaux en ont peur, refusent les caractéristiques dans les fenêtres glissantes, ils ne savent tout simplement pas comment nettoyer les ensembles de données).
après cette décorrection, les modèles fonctionnent pour toute la profondeur de l'histoire (sans étalement), mais ils ne fonctionnent pas avec l'étalement.
pourquoi et où est l'erreur - mon idée n'a pas avancé depuis ce moment-là
et personne ne m'a donné d'indiceJ'ai utilisé mgm pour voir s'il y a une corrélation ser...
si c'est le cas, supprimez la série d'échantillons corrélés et/ou passez-la dans gm, ce qui rend automatiquement la distribution plus normale.
il ne s'agit pas de la corrélation des échantillons, il s'agit de la corrélation des échantillons entre eux dans le temps, c'est pourquoi on parle de corrélation sérielle.
certains spécialistes locaux en ont peur, refusent les caractéristiques dans les fenêtres glissantes, ils ne savent tout simplement pas comment nettoyer les ensembles de données).