L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2658
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
il n'y a rien d'autre sur le graphique que des incréments et du temps. Et les dérivés n'apportent rien de nouveau. Il est étrange que le regroupement échoue.
Les relie différemment aux cibles, dans le cas des transformations. Les résultats peuvent être différents. Le regroupement, en fait, ne devrait rien donner :) bien sûr, je peux m'amuser avec le regroupement des classes, mais jusqu'à présent, je n'obtiens rien de significatif. C'est-à-dire que je prends et corrige le zataset original aux dépens des clusters, supposant que les exemples seront mieux distribués par classes. Mais nous sommes à l'heure actuelle, et il est encore difficile de prédire l'apparition d'un cluster
Je pense que ce n'est pas difficile, mais impossible à prédire. Identifier les états actuels, les classer en classes et suivre leur apparition dans la vie réelle, c'est le maximum que l'on puisse logiquement faire.
Je pense que ce n'est pas difficile, mais impossible à prédire. Identifier les états actuels, les classer en catégories et suivre leur occurrence dans la vie réelle, c'est le maximum que l'on puisse logiquement faire.
il n'y a rien d'autre sur le graphique que des incréments et du temps. Et les dérivés n'apportent rien de nouveau
Pas question)))))
Je me suis mal exprimé, ils ne fournissent pas de données prédictives, mais une estimation de l'état bien sûr, et une estimation probabiliste de la stationnarité peut apparemment être obtenue. Ce n'est pas rien.
Oui, pourquoi pas, imaginez la quantité d'informations que vous obtenez chaque jour à partir de pixels ordinaires.
Bonne comparaison )
Je suis d'accord, bonne comparaison, mais avec une petite précision, la série de pixels précédente rend presque impossible de prédire ce que sera la série de pixels suivante .
Vous ne savez pas de quoi vous parlez.
Lorsque vous jouez à un jeu de course, ne prévoyez-vous pas ce qui va se passer ensuite ? Ne prévoyez-vous pas que le virage dans la prochaine image sera plus proche qu'il ne l'est maintenant, mais que vous devez tourner ou freiner maintenant, sinon boom.... (prédiction)
Et tout cela par pixels, à partir desquels notre cerveau construit des modèles, et à partir des modèles d'autres modèles, et ces autres modèles... et tant de fois, puis nous nous rendons compte qu'il y a une route, des virages, une vitesse, un volant, etc....
Le problème n'est donc pas dans les pixels, ni dans les rendements, mais dans nos modèles primitifs que nous construisons pour le marché, le maximum de ces modèles étant de multiplier pixel par pixel et de regarder dans une fenêtre glissante de 5 à 10 pixels ; c'est là toute l'histoire. C'est à dire qu'au dessus du premier niveau d'abstraction le modèle ne s'élève pas, et de tels niveaux peuvent avoir besoin de 1000 ?
Alors ne grondez pas les retours ou les pixels, vous devez penser plus avec votre tête, et bien sûr vous avez besoin de connaissances....