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
Вы, в частности, утверждали, что модель на выборке нельзя будет обучить - Вы ошиблись.
Suis-je le seul à penser que les mots "algo-trading" et "alcohol-trading" sont presque identiques ?
C'est à se demander
fixer la date
les 10 premières lignes sont des informations sur les prix, si vous souhaitez créer de nouvelles caractéristiques, sinon elles doivent être supprimées de la formation.
dernière ligne - cible
diviser la sélection en deux pour l'entraînement et le test.
sur Forest sans aucun réglage, j'obtiens sur de nouvelles données
Confusion Matrix and Statistics Reference Prediction -1 0 1 -1 2428 453 23 0 597 3295 696 1 14 448 2046 Overall Statistics Accuracy : 0.7769 95% CI : (0.7686, 0.785) No Information Rate : 0.4196 P-Value [Acc > NIR] : < 2.2e-16 Kappa : 0.6567 Mcnemar's Test P-Value : 2.565e-16 Statistics by Class: Class: -1 Class: 0 Class: 1 Sensitivity 0.7989 0.7853 0.7400 Specificity 0.9316 0.7772 0.9361 Pos Pred Value 0.8361 0.7182 0.8158 Neg Pred Value 0.9139 0.8335 0.9040 Prevalence 0.3039 0.4196 0.2765 Detection Rate 0.2428 0.3295 0.2046 Detection Prevalence 0.2904 0.4588 0.2508 Balanced Accuracy 0.8653 0.7812 0.8381sur HGbusta avec de nouvelles puces, j'ai obtenu Akurashi 0.83.
Je me demande s'il est possible d'obtenir un Akurashi de 0,9 ?
? ? Où ai-je dit cela ?
Ici.
Ici.
Pour moi, il s'agit d'un échantillon spécifique qui n'a pas été formé sans manipulation des données.
Le filtrage par corrélation est un moyen simple de faire progresser la formation.date fixée
J'ai essayé, ça ne marche pas, c'est encore une fois une question de signes.
Si vous êtes intéressé, je lance un constructeur de testeur multidevises avec spread, lot primitif et un soupçon d'ouverture de positions de clôture avec lot fractionnaire.
Pour que le testeur fonctionne, vous devez préparer un dataframe avec les colonnes ['open', 'spread'], et aussi lancer un tableau numpy de format x (n,2) avec des prévisions de probabilités d'achat/vente pour chaque nouvelle barre dans le signal. Le testeur fonctionne à partir d'une boucle, voici un exemple d'initialisation de l'utilisation du testeur
la logique de trading et le lot peuvent être ajustés dans la méthode transcript_sig de l'objet Symbol
Les résultats du test se trouvent dans le dictionnaire trade_history_data, pour le test global et trade_symbol_data de chaque symbole.
Il y a des listes, si quelqu'un veut optimiser ou changer quelque chose - bienvenue).
Il faut trouver des récompenses amusantes pour capter les modèles. Dans le cas contraire, il s'agira d'un pseudo-optimum de n'importe quel ph-i.
Il s'agit d'une question de fonction et de critique, un sujet intéressant....
il a été discuté ici il y a plus d'un an, lorsque j'écrivais des algorithmes de RL.
Je ne veux pas encore y revenir, et j'ai déjà un certain mélange de RL + supervisé, je suis passé aux schémas d'auteur il y a longtemps.