L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 960
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
Beh, non sapevo che tutto questo è stato usato per molto tempo mentre io inventavo...
Tutto ciò che viene discusso qui è in uso da mezzo secolo ormai.
ora vengono aggiunti solo i modelli più avanzati come il diplinning
osservazione - non c'è una sola idea che mi sia venuta in mente e che poi non abbia trovato quasi esattamente la stessa su internet. (Per esempio, ho recentemente pubblicato un esempio sulla logica fuzzy e NS. Prima mi è venuto in mente uno e poi ho trovato esattamente lo stesso 1 in 1, anche se l'articolo è abbastanza recente lì) E non c'è un solo modello MO che non sia già stato provato sul mercato prima di te :) Per lo più risorse in lingua inglese, naturalmente... In Runet in generale, confusione totale.
hanno usato tutto ciò che è stato discusso qui per mezzo secolo
ora vengono aggiunti solo i modelli più avanzati come il diplerning
osservazione - non c'è una sola idea che mi sia venuta in mente e che poi non abbia trovato quasi esattamente la stessa su Internet. (Per esempio, ho recentemente pubblicato un esempio sulla logica fuzzy e NS. Prima mi è venuto in mente uno e poi ho trovato esattamente lo stesso 1 in 1, anche se l'articolo è abbastanza recente lì) E non c'è un solo modello MO che non sia già stato provato sul mercato prima di te :) Per lo più risorse in lingua inglese, naturalmente... in Runet in generale confusione totale.
Noioso :)
Noioso :)
Non so cosa fare dopo, nessuno mi ha dato idee, troppo pigro per pensare
C'è un modello, i treni costantemente bene in diverse modifiche, alcuni al 100% e più da treni lavorano su AOS, come qui ... (4 mesi di formazione 10 mesi di AOS) poi niente
Non vedo il senso di testare le demo perché tutto è già chiaro.
Non so quando il sistema si bloccherà in futuro :D Ho fatto una specie di semigrafo e ora mi siedo e fisso il vuoto, 50k sono già stati offerti
Devo leggere di nuovo libri di 500 pagine in inglese...
Non so cosa fare dopo, nessuno ha ancora avuto idee, sono troppo pigro per pensare
C'è un modello, i treni costantemente bene in diverse modifiche, alcuni al 100% e più da treni lavorano su AOS, come qui... (4 mesi di formazione 10 mesi di AOS) poi niente
Non vedo il senso di testare le demo perché tutto è già chiaro.
Non so quando il sistema si bloccherà in futuro :D Ho fatto una specie di semigrafo e ora mi siedo e fisso il vuoto, 50k sono già stati offerti
Leggere di nuovo libri di 500 pagine in inglese...
Forse iniziare a scambiare le fetches?
La "spazzatura in entrata è spazzatura in uscita" è una tesi valida, ma importante da capire, e degna di uno studio fondamentale. Naturalmente, non copre tutte le possibilità di modellazione e non tiene conto dell'infinità di modi di scegliere i dati di input per la ricerca. Tutti sappiamo che la scelta dei dati è determinata dalle caratteristiche dell'oggetto in studio o dalla natura del suo modello matematico, se è noto. D' altra parte, qualsiasi dato dovrebbe essere considerato a un certo livello di astrazione rispetto a un insieme di fattori "assoluti" che determinano il comportamento del mercato. Senza questi punti di riferimento, possiamo solo fare una stima comparativa, che sarà puramente locale. Personalmente, nella mia esperienza, ho trovato che un approccio ponderato alla scelta dei dati di input migliora le prestazioni della modellazione numerica.
Dovremmo iniziare a cambiare i chip?
Ho solo i prezzi di entrata, non soffro di chip :) la cosa principale è la selezione degli obiettivi
La "spazzatura in entrata è spazzatura in uscita" è una tesi valida, ma importante da capire, e degna di uno studio fondamentale. Naturalmente, non copre tutte le possibilità di modellazione e non tiene conto dell'infinità di modi di scegliere i dati di input per la ricerca. Tutti sappiamo che la scelta dei dati è determinata dalle caratteristiche dell'oggetto in studio o dalla natura del suo modello matematico, se è noto. D' altra parte, qualsiasi dato dovrebbe essere considerato a un certo livello di astrazione rispetto a un insieme di fattori "assoluti" che determinano il comportamento del mercato. Senza questi punti di riferimento, possiamo solo fare una stima comparativa, che sarà puramente locale. Personalmente, dalla mia esperienza, ho scoperto che un approccio ponderato alla scelta dei dati di input aumenta le prestazioni della modellazione numerica.
Penso che terver+MO, non c'è molto altro da scegliere. È abbastanza scientifico e di buon gusto.
non così bene con terver, ho bisogno di impararlo
Ho solo i prezzi di ingresso, non soffro di chip :) la cosa principale è la selezione degli obiettivi
Allora tutto questo dovrebbe funzionare solo finché i prezzi storici si ripetono...
Sto pensando a terver+MO, non c'è molto altro da scegliere. È abbastanza scientifico e di buon gusto.
Non conosco il terver, dovrò studiarlo.
Esattamente.
Un certo Asaulenko fa proprio questo. Anche se cerca di dimenarsi come una lepre, è un fisico e ho fiducia nel suo modello.
Ed è come segue - guarda se il prezzo è al di fuori del livello di probabilità di fiducia, e il NS dà inoltre il permesso/rifiuto di entrare nel commercio. Ho lo stesso, solo che invece di NS uso il coefficiente di asimmetria di Pearson. Ma è meglio, anch'io voglio fare così.