L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2560
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
Penso di aver capito di cosa ho bisogno: la possibilità di impostare un file flash personalizzato. Ma questa funzione HMMFit() non supporta questa possibilità, perché implementa un Baum-Welch con LLH cablato. È possibile impostare solo alcuni parametri Baum-Welch
Avete bisogno di un altro pacchetto dove potete impostare un f.f. definito dall'utente.
La cosa divertente è che non ho visto nessuno di questi pacchetti AMO dove si può usare un FF personalizzato...
O si imposta X,Y (data, obiettivo) o solo X (data).
Ma è sempre possibile entrare nelle "viscere" di AMO e lì spostarle e vedere cosa succede in termini di f.f..
Alleno i neuronici in questo modo, così come Forrest, ora voglio fare più SMM.
La cosa divertente è che non ho visto nessun patto come questo con AMO dove puoi usare la tua ff...
O si imposta X,Y (data, obiettivo) o solo X (data)
Ma è sempre possibile entrare nelle "viscere" di AMO e lì spostarle e vedere cosa succede in termini di f.f..
Cosa che faccio, è il mio tipo di life hack, ho allenato neuronics in questo modo, anche forrest, ora voglio fare più SMM.
In LightGBM si può impostare il proprio, ma il più delle volte non c'è questa possibilità.
In LightGBM si può impostare il proprio, ma il più delle volte non c'è questa opzione.
Volete che vi dica di nuovo quali metriche uso e con quali criteri seleziono i modelli?
Dopo tutto, questa è la cosa più importante in MO, la domanda fondamentale :-)
Forse dovremmo tornare alle semplici definizioni generalmente accettate.
Per quanto riguarda la definizione di stazionarietà - questa è chiaramente un'astrazione poiché o è un punto singolo senza fluttuazioni e allora la finestra di misurazione è irrilevante, o è ancora una fluttuazione con una finestra minima o con una gamma di finestre da misurare.
La regolarità, d'altra parte, può generare la stazionarietà allo stesso modo - poiché è lo stato di un singolo punto e non della loro finestra di misurazione.
Di conseguenza, la stazionarietà influenza direttamente la prevedibilità, e quindi l'apprendimento, se questa stazionarietà ha informazioni sull'obiettivo.
Come ho scritto prima, sto usando proprio l'approccio di selezionare i predetti attraverso la stima della loro stazionarietà con una data finestra di misurazione.
In LightGBM si può impostare il proprio, ma il più delle volte non c'è questa possibilità.
Anche l'xgboost può farlo, ma è difficile scrivere la propria funzione. Dovete emettere delle formule.
http://biostat-r.blogspot.com/2016/08/xgboost.html - 6° paragrafo.
Per quanto riguarda la definizione di stazionarietà - questa è chiaramente un'astrazione, poiché o è un punto singolo senza fluttuazioni e allora la finestra di misurazione è irrilevante, o è ancora una fluttuazione con una finestra minima o con una gamma di finestre da misurare.
La regolarità, d'altra parte, può generare la stazionarietà allo stesso modo - poiché è lo stato di un singolo punto e non della loro finestra di misurazione.
Di conseguenza, la stazionarietà influenza direttamente la prevedibilità, e quindi l'apprendimento, se questa stazionarietà ha informazioni sull'obiettivo.
Come ho scritto prima, sto usando solo ora l'approccio di selezionare i precursori attraverso la stima della loro stazionarietà con una data finestra di misurazione.
non capiscono affatto
statinoir dovrebbe essere il rumore dopo che il modello è costruito, non è richiesto altroveNon capisco assolutamente nulla.
Vuoi capire?
Sei sicuro di non confondere ff con le metriche personalizzate?
Non credo - l'esempio è in python.
rumore statistico dovrebbe essere dopo che il modello è costruito, non è necessario da nessun'altra parte
Giusto, questa è esattamente la relazione tra predittore e obiettivo di cui sto parlando.
Ora, non sono a conoscenza di un metodo per costruire un modello che dia una stima della "stazionarietà" a diversi intervalli di campione con la divisione o qualche altro meccanismo per combinare i predittori. Tutti i modelli fanno un fit alle trame del campione, stimando solo una misura quantitativa del miglioramento, ma abbiamo bisogno di stimarlo attraverso gli intervalli, allora il modello può essere più robusto.