L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3191
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
Je voulais lire sur l'apprentissage automatique, et voici des humoristes qui perfectionnent leurs compétences.
J'aimerais voir ailleurs des blagues humoristiques et d'autres choses qui n'ont rien à voir avec le sujet.
Maintenant sur le sujet.
Vous écrivez que vous pensez que le marché est aléatoire, sur quoi se base cette affirmation ?
Avez-vous des arguments solides pour prouver le caractère aléatoire des mouvements de prix sur le marché ?
À quoi servaient alors vos nombreux gifs avec des soldes de plus en plus élevés ? Peut-être n'avez-vous pas compris la réponse à votre question ?
Les gifs sont pour moi une nouvelle variante du développement de l'utilisation des seuils quantiques, que j'ai décrite. J'ai montré que 10 seuils quantiques pour un échantillon particulier suffisent également pour obtenir un bilan positif sur un échantillon d'entraînement. En conséquence, j'ai dit que la sélection aléatoire du premier segment quantique (parmi les segments sélectionnés précédemment) permet de trouver la séquence à partir de laquelle la balance affiche une croissance positive sur les échantillons de test et d'examen. Par conséquent, il y a des segments quantiques qui sont efficaces uniquement sur l'échantillon du train, et il y a ceux qui sont efficaces sur d'autres échantillons également. Et s'ils ont des comportements si différents, il est probable que certains d'entre eux décrivent un modèle stable et d'autres un modèle erroné. La question était donc de savoir s'il était possible, au stade de la recherche/création de ces segments quantiques, de sélectionner ceux qui sont faux. Il est clair que les critères que j'ai utilisés ne sont pas suffisants pour filtrer les faux segments quantiques. L'idée de mélanger la cible sert essentiellement de test pour évaluer la probabilité de sélectionner des segments quantiques sur le SB.
C'est pourquoi je ne comprends pas, ici j'ai sélectionné des segments quantiques sur une cible placée au hasard, et je dois construire un équilibre maintenant ? De la même manière, mais sans randomisation, que je l'ai montré dans les gifs ?
C'est juste que la façon même de sélectionner une séquence de segments quantiques parmi ceux que j'ai précédemment sélectionnés dans l'échantillon n'est pas considérée comme complète, mais montre plutôt le potentiel de la possibilité.
C'est pourquoi je ne comprends pas pourquoi et comment évaluer par l'équilibre.
L'entropie moyenne dans ce cas sera exprimée par un nombre égal au logarithme du nombre de chemins possibles. Ce nombre peut être n'importe quelle valeur positive, en fonction du nombre de pas et de la longueur de chaque pas d'errance. Par exemple, si une déambulation aléatoire se produit sur un axe de nombres avec une longueur de pas de 1 et un nombre de pas de 10, le nombre de chemins possibles sera de 2^10 = 1024, et l'entropie moyenne sera égale au logarithme de 1024, c'est-à-dire environ 6,93.
Pour un certain nombre de citations, les chiffres étaient comparables en moyenne à ceux de sb.
Actuellement, si je me souviens bien, le prédicteur dans l'arbre n'atteint que la moitié de la fourchette, sans chercher le meilleur endroit pour diviser ?
Par omission, il est généralement divisé en deux. La forêt Alglibow offrait la possibilité de diviser par 4. Je me suis donné la possibilité de diviser par n'importe quel incrément. Je ne sais pas ce qu'il en est de catbusta, mais la chose est simple, elle devrait l'être. Cutbust recherche des divisions en un point aléatoire.
Sur OOS, les meilleurs modèles sont généralement obtenus en divisant par deux. Il se réapprend très rapidement lorsque le pas est petit.
Du point de vue de l'information, le marché est aléatoire si l'on compare la quantité d'informations dans les PB et les cotations. J'ai fait cette comparaison il y a plusieurs années. Du point de vue du profane - le marché change, les modèles changent au fil du temps.
Si l'on vous donne des données enregistrant les flux turbulents d'une aile d'avion et que votre test montre qu'il s'agit d'un phénomène aléatoire (et c'est le cas)
Ces données peuvent-elles être considérées comme aléatoires ?
Si l'on vous fournit des données sur les écoulements turbulents d'une aile d'avion et que votre test montre qu'il s'agit d'un phénomène aléatoire (et c'est le cas)
Ces données peuvent-elles être considérées comme aléatoires ?
L'entropie moyenne dans ce cas sera exprimée par un nombre égal au logarithme du nombre de chemins possibles. Ce nombre peut être n'importe quelle valeur positive, en fonction du nombre de pas et de la longueur de chaque pas d'errance. Par exemple, si une déambulation aléatoire se produit sur un axe de nombres avec une longueur de pas de 1 et un nombre de pas de 10, le nombre de chemins possibles sera de 2^10 = 1024, et l'entropie moyenne sera égale au logarithme de 1024, c'est-à-dire environ 6,93.
Pour un certain nombre de citations, les chiffres étaient comparables en moyenne à ceux de sb.
D'après mon expérience personnelle.
Ce ne peut être un coup de chance, car il me reste beaucoup d'images similaires.
Le marché n'est pas aléatoire, c'est sans équivoque)
D'après mon expérience personnelle.
Il ne peut s'agir d'un coup de chance, car il me reste beaucoup de photos similaires.
Par silence, elle est généralement divisée en deux. Dans la forêt d'Alglibov, il y avait une variante de division par 4. J'ai étendu la possibilité de diviser par n'importe quel incrément. Je ne sais pas comment fait katbusta, mais la chose est simple, elle devrait l'être. Cutbust recherche les divisions en un point aléatoire.
Sur OOS, les meilleurs modèles sont généralement obtenus en divisant par deux. Il se réapprend très rapidement lorsque le pas est petit.
Avec katbusta - par la table quantique, il y a surajustement :)
Peut-être essayer d'implémenter la table en même temps pour des raisons de compatibilité ?
J'ai joint un fichier conforme à la norme de CatBoost - la première colonne est le numéro du prédicteur et la deuxième colonne est la division.
D'après mon expérience personnelle.
Cela ne peut pas être un hasard, car il me reste beaucoup de photos similaires.
Le marché n'est pas aléatoire, c'est certain)
Oooh . oui, j'ai voulu donner cet exemple à plusieurs reprises, mais il m'a toujours échappé.