L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3376
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 ne comprends pas, les séquences ne peuvent pas être sous forme de tableau ?
La première option, les tableaux - tableaux Excel, pour tout ce qui concerne chaque ligne avec un marqueur de temps. C'est la forme la plus familière de données financières.
La deuxième option, les lettres manuscrites. Apprendre avec un enseignant, où l'enseignant est une lettre imprimée, et la colonne en dessous est constituée de variantes de l'orthographe manuscrite de cette lettre.
Comparaison entre le bousinage et les NS. Laquelle est la plus appropriée et pour quel cas ? Ou est-ce équivalent ?
PS.
De Rattle, qui a rpart (arbre simple), rf, ada, SVM, glm, nnet (probablement le NS le plus simple). Le plus mauvais résultat est obtenu avec rpart, le deuxième en partant de la fin est nnet, les quatre autres sont à peu près identiques, cela dépend des données d'entrée.
Question théorique.
Il existe un TS qui est parfaitement adapté. En même temps, on sait précisément qu'un certain ensemble de paramètres d'entrée exploite avec profit le modèle réel. En d'autres termes, cet ensemble n'est pas adapté.
Est-il possible de trouver cet ensemble ?
Question théorique.
Il existe un TS qui est parfaitement adapté. En même temps, on sait précisément qu'un certain ensemble de paramètres d'entrée exploite avec profit le modèle réel. En d'autres termes, cet ensemble n'est pas adapté.
Est-il possible de trouver cet ensemble ?
Non, puisqu'il n'y a pas de modèle dans les données NON stationnaires
Question théorique.
Il existe un TS qui est parfaitement adapté. En même temps, on sait précisément qu'un certain ensemble de paramètres d'entrée exploite avec profit le modèle réel. En d'autres termes, cet ensemble n'est pas adapté.
Est-il possible de trouver cet ensemble ?
Eh bien, vous l'avez trouvé
Vous parlez des paramètres d'entrée de la CT, et je parle de la non-stationnarité des données d'entrée. Si vous travaillez avec la non-stationnarité, il est possible de créer des CT basées sur des modèles de Garch ou dans le cadre de MOE qui continuent à se battre avec la non-stationnarité. Les paramètres d'entrée jouent un rôle secondaire.
Question théorique.
Il existe un TS qui est parfaitement adapté. En même temps, on sait précisément qu'un certain ensemble de paramètres d'entrée exploite avec profit le modèle réel. En d'autres termes, cet ensemble n'est pas adapté.
Est-il possible de trouver cet ensemble ?
Question théorique.
Il existe un TS qui est parfaitement adapté. En même temps, on sait précisément qu'un certain ensemble de paramètres d'entrée exploite avec profit le modèle réel. En d'autres termes, cet ensemble n'est pas adapté.
Est-il possible de trouver cet ensemble ?
Pas d'ajustement à quoi et pour combien de temps ? Je suis gêné de poser la question :) il est probablement plus important de prouver qu'il ne s'agit pas d'un ajustement à quoi que ce soit.
La nature de la courbe de profit ne change pas en fonction de l'OOS : Taille(OOS_Gauche) = Taille(OOS_Droit) = Taille(Échantillon). En résumé, un résultat incontournable.