L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2365
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
Allora è il momento di passare alla R)
il linguaggio è troppo nauseante, come una salsiccia acida.
poi julia, se lo vuoi più veloce di python.
Quello che ci metti dentro, è quello che ottieni.
Qualunque cosa tu ci metta sarà una poltiglia, sempre!!!
Le regole apparse durante l'addestramento nella matrice X non funzioneranno mai in futuro a causa della non stazionarietà del mercato.
Le regole sono legate agli indici nelle colonne della matrice, e gli indici "galleggiano" tutto il tempo a causa della non staticità...
La ripetibilità delle regole sarà sempre circa zero...
Come posso spiegarlo altrimenti? L'ho già detto con parole e immagini...
Ok, ho capito, non hai bisogno di aiuto.
Aiuto per cosa?
Lingua troppo nauseante, come il salmone acido.
Sei sicuro della lingua? ))
il linguaggio è troppo nauseante, come una salsiccia acida.
poi julia, se lo vuoi più veloce di python.
Alcune cose che mi piacciono molto dopo sembrano brutte all'inizio - caffè, caviale, wasabi, musica rock, ecc.)
La mia scelta personale è C e l'interprete C di ROOT del Cern, ma sono dovuto passare a R perché molte delle cose di matstat sono disponibili solo in esso.
La cosa importante è che i pacchetti R sono scritti per lo più da matematici, non da programmatori, come in python o nel nostro mcl5 - questo li rende molto più sensibili)
Alcune cose che ti piacciono molto dopo sembrano brutte all'inizio - caffè, caviale, wasabi, musica rock, ecc.)
La mia scelta personale è C e l'interprete C di ROOT del Cern, ma sono dovuto passare a R perché molte delle cose di matstat sono disponibili solo in esso.
C'è anche la cosa importante che i pacchetti R sono scritti per lo più da matematici, non da programmatori come in python o nel nostro mcl5 - questo li rende molto più significativi).
Credo, ma non sono un matematico, grazie a Dio) e nemmeno uno statistico.
Qualunque cosa tu ci metta sarà una poltiglia, sempre!!!
Le regole che sono apparse durante l'addestramento nella matrice X non funzioneranno mai in futuro a causa della non staticità del mercato.
Le regole sono legate agli indici nelle colonne della matrice, e gli indici "galleggiano" tutto il tempo a causa della non staticità...
La ripetibilità delle regole sarà sempre circa zero...
Come altro posso spiegarlo? L'ho già detto con parole e immagini ed è passato tutto...
Quindi abbiamo bisogno di controllare i predittori per la robustezza e la comparabilità su diversi periodi di tempo.
Aiuto per cosa?
Risorse computazionali.
Ho già scritto come rimuovere la correlazione seriale nella finestra scorrevole a quasi zero, quando si preparano i dati
Ricordami ancora come? MGC?
O semplicemente buttare via le colonne correlate e lasciarne una?Ricordami ancora come? MGC?
O semplicemente buttare via le colonne correlate e lasciarne una?Ho usato mgc per vedere se c'è una correlazione ser.
se c'è, allora rimuovete la serie di campioni correlati, e/o passate attraverso gm, che rende automaticamente la distribuzione più normale
Non si tratta di correlare i campioni a se stessi nel tempo, ecco perché si chiama correlazione seriale.
alcuni specialisti locali ne hanno paura, negando le caratteristiche in finestre scorrevoli, semplicemente non sanno come pulire il dataset)
dopo questa decorrezione i modelli funzionano per tutta la profondità della storia (senza spread), ma non funzionano con lo spread
perché e dov'è l'errore - la mia idea non è più andata avanti da quel momento
e nessuno mi ha dato un suggerimentoHo usato mgm per vedere se c'è una correlazione ser.
se c'è, allora rimuovete la serie di campioni correlati, e/o eseguitela attraverso gm, che rende automaticamente la distribuzione più normale
non si tratta della correlazione dei campioni, ma della correlazione dei campioni a se stessi nel tempo, ecco perché si chiama correlazione seriale.
alcuni specialisti locali ne hanno paura, negando le caratteristiche in finestre scorrevoli, semplicemente non sanno come pulire il dataset)