L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 927
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
Programmaticamente l'albero può essere descritto così:
E non ci sono nomi esatti per i predittori - le modalità dell'immagine i nomi appena....
Ecco i nomi completi:
Cercherò di fare lo stesso per mnogoVhodov_02. Lascio lo script a lavorare durante la notte, domani pomeriggio mostrerò quello che ho ottenuto.
Tuttavia, la precisione del modello per malovhodov non è molto buona, ci sono un sacco di false entrate. Non farei trading )
La mia foresta di segni veri e falsi correva attraverso.
La classe ricercata è più della metà in un'altra classe nel test, ma era ben divisa nella formazione)
Buon risultato. Non uso la foresta, ma un albero, che è probabilmente il motivo per cui ho notevolmente peggio.
E quali sono i risultati del test con i dati di un altro file? (anno diverso)
Ecco i nomi completi:
Cercherò di fare lo stesso per mnogoVhodov_02. Lascio lo script a lavorare durante la notte, domani pomeriggio mostrerò quello che ho ottenuto.
Tuttavia, la precisione del modello per malovhodov non è troppo buona, ci sono troppe false entrate. Non farei trading )
Grazie per lo schermo intero dell'albero, ora lo proverò con l'albero del programma.
Non credo che lo userò per qualche motivo, se inizierò a lavorarci più tardi ho grandi speranze per i legni, il risultato dovrebbe raggiungere meglio del 15% e mi aspetto che sia buono.
E riguardo ai bassi input, è a questo che serve il set di filtri - l'idea è di migliorare le cose nell'insieme.Quali sono i risultati di un test con dati provenienti da un file diverso? (anno diverso)
Questi sono i miei dati (un file). Il test lì è del 25%.
Ecco i nomi completi:
Cercherò di fare lo stesso per mnogoVhodov_02. Lascio lo script a lavorare durante la notte, domani pomeriggio mostrerò quello che ho ottenuto.
Tuttavia, la precisione del modello per malovhodov non è troppo buona, ci sono troppe voci false).
Ho costruito l'albero nel programma Deductor in base ad esso nessuno degli obiettivi è stato trovato.
Vedo che le passioni sono ancora alte... Nel frattempo, è stata una settimana di confronto tra le due reti in battaglia. Ho pensato, perché dovrei nutrirla con ogni sorta di test, ecc... Il modo migliore per risolvere un problema è il combattimento e il risultato è questo...
ELMNN- le reti costruite in R hanno funzionato per una settimana così...
jPrediction- Reshettes come questo....
È difficile giudicare chi è più figo. Penso che entrambi gli ottimizzatori siano buoni. Ma è meglio qui.....
E non c'è bisogno di sbatterlo in faccia alla nonna !!!!!!!!
Basta che Akello non manchi di nuovo la prossima settimana.
Mi viene in mente che le mie strategie di base fanno schifo. Qualcuno può buttare giù qualche strategia di base che posso provare a migliorare con i miei agenti?
Provato con Malovhodov per cominciare.
Ho cercato di insegnare alla foresta a prevedere arr_Buy dal 2015 in base a arr_Vektor_Week, arr_Vektor_Day, ecc.
Le classi sono molto sbilanciate (ci sono 10 volte più esempi di classe 0 che di classe 1), questo aggiunge molta difficoltà.
Questo è l'albero del 2015 formato su
La previsione in entrambi i casi è di bassa precisione, ma la precisione è almeno superiore al 50% in entrambi i casi.
Ho smesso di contare gli errori di queste tabelle come standard.
Il mio ragionamento è il seguente: la classe iniziale "0" ha dato una predizione della classe "1" = 86118, e la classe "1" ha dato una predizione della classe "1" = 12256. Questo significa che quando facciamo trading, otterremo una previsione di classe falsa = 86118, mentre la previsione corretta = 12256, cioè errore = 86116/(86116+12256) = 87,5%9(!!), se classe "1" = entrata/posizione - questo è un disastro. Ma la posizione della classe "0" è molto buona - gli zeri errati nel processo decisionale saranno solo il 5,3%.