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
Mostrami solo se ci sei riuscito, ti mostrerò i miei risultati sul metodo, non ho avuto tempo di finirlo.
L'importanza dei segni nella finestra mobile (indicatori e prezzi)
In un momento l'indicatore può essere importante al 10% e in un altro momento può essere importante allo 0,05%, questa è la verità della vita)
Se pensate che risolva tutto, dovreste esserne fieri.
Ecco come si presentano i quattro segni dell'Iris di Fisher.
O se si ingrandisce la finestra scorrevole.
L'importanza dei segni nella finestra mobile (indicatori e prezzi)
In un momento l'indicatore può essere importante al 10% e in un altro momento può essere importante allo 0,05%, questa è la verità della vita)
Se pensate che risolva tutto, dovreste esserne fieri.
Ecco come si presentano i quattro segni dell'Iris di Fisher.
O se si ingrandisce la finestra scorrevole.
È chiaro che le iridi (e problemi simili) hanno un modello stabile. Tutti quelli che li hanno sperimentati hanno già capito che tutto "galleggia" tra virgolette.
Mi chiedo come il significato degli indicatori sia diverso in ogni punto del grafico. È determinato per l'intero modello costruito su tutte le linee di allenamento in una volta sola. O avete 5000 modelli lì?
E in generale, spiegate i vostri grafici, cosa c'è sopra e come sono stati costruiti.
Il fatto che gli iris (e problemi simili) abbiano un modello stabile è già chiaro. E il fatto che tutto "galleggia" nelle virgolette è anche chiaro a tutti coloro che le hanno sperimentate.
Mi chiedo come il significato degli indicatori sia diverso in ogni punto del grafico. È determinato per l'intero modello costruito su tutte le linee di allenamento in una volta sola. O avete 5000 modelli lì?
E in generale, spiegate i vostri grafici, cosa c'è sopra e come sono stati costruiti.
Ci sono molti modi per scoprire l'informatività dei tratti, per alcuni non c'è bisogno di addestrare un modello. Ho usato fselector. h ttps://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/
Ho fatto l'addestramento online per le finestre, se si prende tutto insieme senza filtrare in base al tempo, le prestazioni sono scarse. Non ho pensato di farlo con il filtraggio in quel momento. C'è un esempio di tale bot nel mio articolo sull'entropia
Che cos'è?
Beh, ci sono tutti i tipi di reti di ricorrenza, ce n'era una qui
dritto attraverso il modello e cercare un modello in cui si comporta in un modello :)Dovresti andare direttamente al modello e cercare un modello, dove si comporta come se fosse un modello :)
Se molto semplice: insegnarlo, testarlo su un test, identificare i periodi in cui versava e funzionava, trarre conclusioni / provare a filtrare, identificare un modello
Sì, in linea di principio è possibile, ancora meglio, in questo ordine si può fare sulla macchina
o non versare))
Per me, non è necessario fare modelli complicati, una regola semplice è sufficiente, altrimenti non si può chiamare modello.
Voglio sempre fare meglio)))
Ci sono molti modi per scoprire l'informatività delle caratteristiche, alcuni dei quali non richiedono l'addestramento di un modello. Ho usato fselector. h ttps://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/
I metodi veloci non coincidono con il benchmark. Non corrispondono nemmeno l'uno all'altro. Il fselector è ancora più veloce, non credo che si abbini a nulla.