L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 880
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
NS di solito elabora i dati dalle prime righe - cioè dati vecchi nelle prime righe, e dati freschi alla fine, in modo che gli ultimi passi di apprendimento siano fatti su di essi.
Grazie.
Tutti i predittori funzionano sull'apertura della barra - non so nemmeno ora come identificare quelli che sbirciano - per idea la loro significatività dovrebbe essere alta?
Beh, se tutti sono a prezzo aperto - allora non dovrebbero sbirciare, se altre opzioni - allora sbirciano.
Beh, se tutto è a prezzo aperto - allora non dovrebbe sbirciare, se altre opzioni - lo fa.
Puoi testare il mio set di dati su qualche rete neurale, non riesco ancora a capirlo? Quello incorporato in quel programma non vuole imparare più del 56% - forse sto facendo qualcosa di sbagliato o la rete non è adatta....
Puoi testare il mio set di dati su qualche rete neurale, non riesco ancora a capirlo? Costruito in quel programma non vuole imparare più del 56% - forse sto facendo qualcosa di sbagliato, o la rete non è adatta....
A giudicare dalla foto hai circa l'8% di errore (Accuratezza 92%), non il 56%.
Avete la regressione nel vostro file, e state testando la classificazione, a giudicare dalla vostra descrizione. Probabilmente avete bisogno di un file con la classificazione.
A giudicare dalla foto avete un errore di circa l'8% (Precisione 92%), non il 56%.
Sì, quel file è sbagliato, ho già aggiunto i predittori e fatto la classificazione dell'obiettivo secondo una semplice regola - se più o uguale a 50 punti allora 1 (per comprare) e -1 (per vendere), altrimenti 0, e le colonne per comprare e vendere sono indipendenti.
Il 56% è un neurone e gli screenshot sono dell'albero.Sì, quel file è sbagliato, ho già aggiunto dei predittori e fatto una classificazione dell'obiettivo con una semplice regola - se è più o uguale a 50 punti allora 1 (per comprare) e -1 (per vendere), altrimenti 0, e le colonne per comprare e per vendere sono indipendenti.
Circa il 56% - quindi è un neurone, e gli screenshot dell'albero.Beh, se l'albero funziona meglio, allora usatelo. L'NS è più difficile da impostare.
Finora funziona solo la logica (o forse sto testando male?), ma non so come usarla.
Se qualcuno vuole aiutare a testare il lavoro dei predittori, ci sono due file in allegato - per l'acquisto e la vendita la colonna 3 è l'obiettivo, la 1 e la 2 non le uso, e il resto sono predittori.
alglib ha kfold, qualcuno ha capito come lavorarci? la documentazione è quasi nulla :)
Ah, capisco, questi metodi insegnano automaticamente attraverso la validazione incrociata
Gli strumenti sono stati dati, ma non c'è un manuale. Sarebbe bello avere un aiuto per ogni funzione, come usarla e con esempi.
Finora funziona solo la logica (o forse sto testando male?), ma non so come usarla.
Se qualcuno vuole aiutare a testare le prestazioni dei predittori, ci sono due file in appendice - per l'acquisto e la vendita la colonna 3 è l'obiettivo, la 1 e la 2 non le uso, e il resto sono predittori.
Ho provato il 1° file, l'ho diviso in 3 parti:
Imparare
Previsto
Attuale 0 1
0 28107 1244
1 3045 4119
Prova 1
Previsto
Attuale 0 1
0 5950 356
1 742 776
Corrente 2
Previsto
Attuale 0 1
0 5945 333
1 779 769
Calcolato su nnet con 10 neuroni in uno strato nascosto (NS del pacchetto Rattle di R)
Peggio della vostra foresta, ma non male. Il secondo file avrà probabilmente gli stessi risultati.