L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2073
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
Perché prendere la ripresa dopo l'estremo, perché la correzione potrebbe essere stata del 50%, il che significa che dobbiamo prendere ZZ dall'ultimo segmento al 100% circa.
,
Oh, quindi hai quasi disegnato il sistema che ho postato prima come un rapporto :) Solo io prendo il TP più alto e non aspetto la formazione dell'ultimo intervallo di ZZ (anche se è una questione di impostazioni).
Allora? Vuoi abbandonare il codice? O almeno un campione.
Collegamento di campionamento.
Colonna obiettivo "Target_100", alla fine colonna data colonna successiva e le ultime due non sono utilizzate nella formazione.
Il campione è diviso in 3 parti, exam.csv non è coinvolto nella formazione.
Come opzioni, un'uscita prima di un estremo (con inversione),
un'uscita al crossover con un canale basato su 3 estremi
C'è un'area separata di classificazione delle serie temporali e librerie correlate come questa
https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html
Qualcuno l'ha usato?
C'è un'area separata di classificazione delle serie temporali e librerie correlate come questa
https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html
Qualcuno l'ha usato?
Dovreste usarlo, è un pacchetto interessante. Solo un costruttore.
Dovreste usarlo, è un pacchetto interessante. È come un costruttore.
Ho dato un link a ROCKET per un motivo - è una specie di convertitore di funzioni figo. Crea molte caratteristiche non correlate da quelle originali, migliora la qualità della classificazione.
Si raccomanda di usarlo con modelli lineari (dato che produce così tante caratteristiche).
dovrà provarlo
C'è una ragione per cui ho linkato ROCKET in primo luogo - è una specie di fresco convertitore di funzioni. Crea molte caratteristiche non correlate da quelle originali, migliora la qualità della classificazione.
raccomandare l'uso con modelli lineari (perché si ottengono così tante caratteristiche)
dovrà provarlo
Fammi sapere i risultati - argomento molto interessante!
Crea molte caratteristiche non correlate da quelle originali,
regolare PCA?)
regolare PCA?)
no