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
Che cosa volete? Stiamo quasi lavorando con la randomizzazione. Non si tratta della domanda di gelato che dipende dalla temperatura, come nel primo libro su Kozul, che è stato lanciato qui sei mesi fa)))))
Quindi dobbiamo cercare di misurare attentamente la dipendenza di questo "Quasi" dai segni).
Grazie, un articolo di qualità e interessante con un'ampia letteratura.
Sembra che non considerino il tipo di incertezza che è interessante: la dipendenza probabilistica dell'output dagli attributi. Studiano altri due tipi di incertezza - incertezze legate alle imprecisioni degli attributi e dei parametri. Dovremmo chiamare la nostra variante incertezza target per analogia).
Imho, nel nostro caso gli "errori di misura" degli attributi sono assenti in linea di principio, e l'incertezza dei parametri del modello è scarsamente separabile dalla nostra "incertezza target".
Mi sembrava che la somma di queste incertezze dovesse dare l'incertezza target. Ma non ho approfondito la questione.
L'approccio è più o meno lo stesso di kozula via meta lerners, ma qui proponiamo anche un modo per smontare un modello e usarlo come un ensemble di classificatori troncati, invece che come un ensemble di diversi classificatori, per maggiore velocità.
Non capisco da dove derivi la stima del quadrato R?
Prima avevo l'impressione che questa stima fosse applicabile alle regressioni se tutti i coefficienti della regressione sono significativi. Altrimenti l'R quadrato non esiste....
Non capisco da dove provenga il punteggio del quadrato R?
In precedenza avevo l'impressione che questa stima fosse applicabile alle regressioni se tutti i coefficienti di regressione sono significativi. Altrimenti l'R quadrato non esiste....
È solo qualcosa che il tester mostra per un rapido confronto tra diverse curve di equilibrio.
Non è coinvolto da nessun'altra parte.
Funzionano tutti al 50%.
Lavorano tutti al 50%.
Sembra solo...
Se si segna una figura nello script e si osservano le statistiche del future, la distribuzione di up/down, sia per numero di candele che per numero di punti tende a 50/50.
Questo è ciò che riguarda le figure da candele (il rapporto di HLC con l'altro), e non ho contato quelle senza tempo, perché sono troppo poche per statistiche di almeno 1000 figure.
E così, se nel 2022 la figura ha mostrato un forward nel 55% delle candele al rialzo e il valore medio delle candele è superiore del 5-10% rispetto a Sel, allora nel 2023 il payoff sarà ancora 50/50, senza alcun favore.
Se si segna una figura nello script e si osservano le statistiche del future, la distribuzione di up/down, sia per il numero di candele che per il numero di punti, tende a 50/50.
Questo è il caso delle figure candlestick (il rapporto di HLC con l'altro), e non ho contato quelle senza tempo, perché sono troppo poche per una statistica di almeno 1000 figure.
E così, se nel 2022 la figura ha mostrato un'avanzata nel 55% delle candele al rialzo e il valore medio delle candele è superiore del 5-10% rispetto a Sel, allora nel 2023 il working off sarà ancora 50/50, senza alcun privilegio.
E se aggiungete uno Stop and Take adeguato, sarà anche 50/50?