L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2155
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
Per quanto riguarda la normalizzazione TF invariante per il modello ...
prendiamo la serie, identifichiamo i punti di rottura importanti.
lascia solo i punti estremi, cancella il resto
normalizzare
ora prendete le distanze tra i punti di rottura nella prima serie, create una nuova serie da esse e normalizzate anche
in questo modo avremo una serie normalizzata, sia in ampiezza che in tempo (frequenze).
Tutto ciò che serve è mantenere uniforme il numero di estremi nel modello, tutto il resto è normalizzato.
Così, il modello può essere alimentato con dati, anche di un minuto o di una settimana, e lo vedrà come la stessa cosa, sarà invariante al TF.
Si può addestrare un modello per tutti i TF in una volta sola
=============================================
Per coloro che non hanno capito cos'è e a cosa serve
Questo sarà uno e lo stesso modello per il modello perché è uno e lo stesso modello.
Quasi fare lo stesso, solo che ho il tempo e punti 100%. Ma non capisco come si suggerisce qui di normalizzare il tempo - per distanza minima?
indovinato in fretta ) solo nessun altro...
Devo essermi perso qualcosa?
Devo essermi perso qualcosa?
Sì, il trattino nel pronome.
Lo dirò di nuovo, per gli stupidi.
Ci sono punti nello spazio delle caratteristiche. Alcuni per comprare, altri per vendere.
Supponiamo che questi punti possano muoversi in modo tale che la sequenza di acquisto e vendita non sia rispettata, cioè si perdono informazioni sullo spread nel dataset
lo spread può essere equiparato alla distanza euclidea tra i punti, o tra due classi di punti
come aggiungere queste informazioni. FNF, accelerazione e altre cose che puoi infilare nella tua h. Questo è per chiarezza di percezione, per così dire.
Lo spread in un trade è sempre negativo sul prezzo.
zy peggiorare i termini
Karoch leggere, leggere , leggere , leggere....
Non ho ancora capito cosa vuoi fare con quello spread (il mio cervello è evidentemente fuori forma oggi, o cosa non hai detto...).
Non capisco nemmeno cosa vuoi fare e perché...
Ho letto, ho letto , ho letto, ho letto , ho letto....
Non ho ancora capito cosa vuoi fare con la diffusione (il mio cervello non è ovviamente in forma oggi, o quello che non hai detto ...
Non capisco nemmeno cosa vuoi fare e per cosa...
Chiedete a Valeriy, ci sta prendendo la mano...
Trovo difficile pensare a qualsiasi altra formulazione per questoQuasi facendo lo stesso, solo che ho i tempi e i punti al 100%. Ma non capisco come viene proposta qui la normalizzazione del tempo - per distanza minima?
normalizzazione 0-1 normalizzazione
Se, in un set di dati già marcato con etichette, uno spread viene sottratto o aggiunto alle caratteristiche, a seconda dell'etichetta, che effetto avrà?
Lospazio delle funzioni sarà meglio separabile?
è chiaro che questo viene fatto solo a scopo di formazione.
Questo è l'approccio che ho usato nel mio articolo - distribuire le etichette a una distanza significativa, il che ha migliorato notevolmente l'apprendimento. Di solito abbiamo tag che sostituiscono la regressione in sostanza, quindi maggiore è la deviazione da zero (media?) e potenzialmente maggiore è la differenza di caratteristiche - riducendo il rumore non considerando i piccoli tee. Ma questo è utile nella classificazione in/out e nella tripla classificazione di acquisto/vendita/attesa. È probabile che il successo dell'approccio dipenda anche dalla strategia sottostante (formata o emergente). Da studiare ulteriormente.
Questo è l'approccio che ho usato nel mio articolo - distribuendo i voti su una distanza significativa, il che ha migliorato notevolmente l'apprendimento. Di solito abbiamo tag che sostituiscono la regressione in sostanza, quindi maggiore è la deviazione da zero (media?) e potenzialmente maggiore è la differenza nei tratti - riducendo il rumore non considerando i piccoli tee. Ma questo è utile nella classificazione in/out e nella tripla classificazione di acquisto/vendita/attesa. È probabile che il successo dell'approccio dipenda anche dalla strategia sottostante (formata o emergente). Soggetto a ulteriori studi.
Finora ho solo il ricampionamento duro con la separazione delle classi in mente, ma penso che ci siano modi più semplici
come hai fatto, quale lettera devo leggere?
Sì, sillabare i pronomi
Aggiunto :)