L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2973
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 est triste de constater que l'apprentissage automatique avec ciblage ne fonctionne pas et que l'apprentissage unique ne fonctionne pas....
Je ne sais pas ce qu'il n'y a pas à apprendre - pour moi, il y a quelque chose, oui, à apprendre. Par exemple, j'ai une précision de 70 %, mais ce n'est toujours pas un indicateur objectif.
En général, le problème ne réside pas dans la possibilité d'obtenir un modèle qui continuera à fonctionner, mais dans ce qui suit :
1. Obtenir un segment stable du prédicteur initial (par exemple, basé sur un indicateur), qui conservera ses caractéristiques statistiques à l'avenir.
2. sélection d'un modèle parmi un ensemble de modèles plus susceptibles d'être efficaces à l'avenir sur de nouvelles données.
J'ai montré tout cela dans le fil de discussion correspondant, et je pense qu'il est nécessaire de résoudre le problème en commençant par le premier point. C'est ce que je fais, mais j'ai besoin d'idées provenant d'approches non standard de la statistique descriptive.
Mon idée est d'obtenir un modèle qui sélectionnera les segments quantiques stables en fonction d'un certain nombre de caractéristiques statistiques. Toute personne intéressée est la bienvenue dans ce projet.
Je ne sais pas ce qu'il n'y a pas à apprendre - pour moi, il y a quelque chose à apprendre. Par exemple, ma précision peut atteindre 70 %, mais ce n'est pas un indicateur objectif.
En général, le problème ne réside pas dans la possibilité d'obtenir un modèle qui continuera à fonctionner, mais dans ce qui suit :
1. Obtenir un segment stable du prédicteur initial (par exemple, basé sur un indicateur), qui conservera ses caractéristiques statistiques à l'avenir.
2. la sélection d'un modèle dans un ensemble de modèles qui sont plus susceptibles d'être efficaces à l'avenir sur de nouvelles données.
J'ai montré tout cela dans le fil de discussion correspondant, et je pense qu'il est nécessaire de résoudre le problème en commençant par le premier point. C'est ce que je suis en train de faire, mais j'ai besoin d'idées provenant d'approches non standard des statistiques descriptives.
Mon idée est d'obtenir un modèle qui sélectionnera les segments quantiques stables en fonction d'un certain nombre de caractéristiques statistiques. Toute personne intéressée est la bienvenue dans ce projet.
Encore une fois, il s'agit d'un problème d'optimisation, rien de compliqué.
C'est une question de prédicteurs.
Une question sur les prédicteurs.
Problème d'optimisation
Pourriez-vous essayer d'élaborer votre point de vue plus en détail ?
Essayez d'exposer votre point de vue plus en détail ?
Essayez d'être plus précis.
Vous donnez donc une solution sans comprendre le problème ?
Je ne sais plus où j'en suis. Voulez-vous m'aider ?
Vous donnez donc une solution sans comprendre le problème ?
Je ne sais plus où j'en suis. Voulez-vous m'aider ?
Oui, non.
Alors c'était quoi tout ce bavardage ?
Alors quel était le but de cette conversation oiseuse ?