L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3377
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
Domanda teorica.
Esiste una TS che si adatta splendidamente. Allo stesso tempo, è noto che un certo insieme di parametri di input sfrutta con profitto il modello reale. Cioè, questo insieme non si adatta.
È possibile trovare questo insieme?
Se si elimina la clausola"TC che si adatta perfettamente", sipuò restringere notevolmente il campo. Inoltre, è necessario conoscere subito il modello che si sta cercando.
Non si può prendere un gruppo arbitrario di indicatori, rimuovere quelli ovviamente dipendenti e da lì ottenere un "TS adattato" e in tutto questo isolare lo sfruttamento della regolarità reale.
Una buona domanda è una mezza risposta - Nel mondo reale, dove si applicano alg.optimisations e ML, di solito si sa cosa si sta cercando esattamente (oscurità delle caratteristiche) ed è necessario evidenziare le caratteristiche, delineare i limiti. E qui nessuno sa cosa vuole trovare, ma sa come far funzionare l'ottimizzatore :-)
La natura della curva dei profitti non cambia in base all'OOS: Size(OOS_Left) = Size(OOS_Right) = Size(Sample). Tutto sommato, un risultato che non si può ignorare.
Beh, attraverso la ri-ottimizzazione con il controllo OOS può essere trovato :)
Si prega di rivelare in poche frasi.
Si prega di divulgare in poche frasi.
Penso che tutti conoscano il wolf-forward. Quando si ottimizza il campione, i risultati vengono presi da oos. Viene preso il miglior risultato complessivo con parametri mediati in modo che le curve non differiscano.
Supponiamo che vengano eseguiti 100 passi - otteniamo 100 serie di input. Se formiamo il set medio secondo il principio "ogni set di input è uguale alla media dei 100 set di input corrispondenti", è improbabile che questo set superi bene l'intero intervallo iniziale.
Supponiamo che siano stati eseguiti 100 passi e che siano stati ottenuti 100 insiemi di input. Se formiamo un insieme medio secondo il principio "ogni insieme di input è uguale alla media dei corrispondenti 100 insiemi di input", è improbabile che questo insieme passi bene attraverso l'intero intervallo iniziale.
Se non lo fa, non ci sono set buoni, logicamente.
Non è logico! Gli insiemi dipendono da FF, per esempio.
Illogico! Gli insiemi dipendono dalla FF, ad esempio.
Mi chiedo: qualcuno legge questo flusso infinito di articoli intitolati "le reti neurali sono facili"?
Scorro fino al saldo e mi rendo conto che l'uomo non conosce il seguente detto:
"qui non basta vedere, qui bisogna guardare, qui bisogna pensare...". "
studia il materiale in modo superficiale e le sue conclusioni non sono del tutto competenti.