Vizard_: È così che, lentamente, siamo arrivati all'affascinante argomento delle trasformazioni)))) perché se non esiste una distribuzione normale, è possibile crearne una. Ci vorrà molto tempo, perché c'è bisogno sia della ritrasformazione che... E a Box-Cox non piace molto)))) È solo un peccato che se non hai È solo un peccato che se non hai buoni predittori, non avrà molto effetto sul risultato finale...
Prima vorrei vedere un barlume di comprensione negli occhi dei "fedeli". E poi, sì, convertire se necessario. Se le code spesse possono essere convertite, questa è la domanda. Possono fare una grande differenza nella qualità.
Prima vorrei vedere un barlume di comprensione negli occhi dei "fedeli". E poi, sì, convertire se necessario. Se le code spesse possono essere convertite è la domanda. Possono avere un grande impatto sulla qualità.
Ci sono regressioni per le code spesse, a memoria FARIMA.
Ma torniamo alla grandezza dell'incremento.
Cosa stiamo scambiando? Un incremento di 7 pip a ore 1 rispetto alla barra precedente? Non lo capisco molto bene. Qualcuno può illuminarmi?
L'incremento può essere scambiato, più precisamente, la volatilità, ma rispetto a qualche serie stazionaria - si chiama cointegrazione.
Ci sono regressioni per le code spesse, a memoria FARIMA.
Ma torniamo alla grandezza dell'incremento.
Cosa stiamo scambiando? Un incremento di 7 pip sull'indicatore dell'ora rispetto alla barra precedente? Non lo capisco molto bene. Qualcuno può illuminarmi?
L'incremento può essere scambiato, più precisamente, la volatilità, ma rispetto a qualche serie stazionaria - si chiama cointegrazione.
Комбинатор: Vorrei che qualcuno prendesse seriamente in considerazione i dati di input )
Ho pensato. Seriamente )
Per prima cosa, genero tutti gli input che mi vengono in mente. Poi seleziono quelli più rilevanti per una particolare variabile obiettivo e cestino il resto. Sembra aiutare, ma dipende dal metodo di allenamento.
Nell'esperimento che ho condotto, ho fatto quanto segue. Per prima cosa ho pensato a quali informazioni il sistema avrebbe dovuto vedere. Ma è tutto soggettivo. Ho anche scelto dei predittori informativi prima dell'allenamento, ma ha funzionato:
Commenterò. Per prima cosa mi sono allenato su un modello debole, non riqualificante, con tutti i predittori disponibili. È importante che il modello non abbia il tempo di riaddestrarsi. Poi ho preso i 10 più importanti.
Non solo questo non ha ridotto i risultati al rumore, ma ha anche accelerato l'allenamento di un fattore 10.
Комбинатор: Vorrei che qualcuno prendesse seriamente in considerazione i dati di input )
Pensandoci, fornisco anche un servizio a pagamento per ripulire i set di predittori di input dai predittori di rumore per i modelli di classificazione. Questo lascia un set che non genera modelli sovrallenati. È vero, dovremmo chiarire: se rimane qualcosa. C'è una cosa paradossale: per il trading di tendenza tutte le molte varietà di salviette sono senza speranza.
Tra i set che ho elaborato:
Riducendo la lista originale dei predittori di un fattore da 3 a 5.
Questo lascia 20-25 predittori che possono essere trattati in futuro
Da questo insieme di predittori su ogni barra scelgo un sottoinsieme con mezzi standard di R
rimangono 10-15 predittori, sui quali il modello è addestrato
è possibile non fare l'ultima selezione dei predittori numero approssimativo di barre uguale alla finestra, ma la finestra è entro 100
Risultato: il modello non viene riqualificato, cioè l'errore di classificazione in formazione, AOB e fuori campione è approssimativamente uguale.
Consenti l'uso dei cookie per accedere al sito MQL5.com.
Abilita le impostazioni necessarie nel browser, altrimenti non sarà possibile accedere.
Hai effettuato l'accesso. L'autenticazione a due fattori è stata disattivata. Configurala di nuovo e scansiona un nuovo codice QR, oppure continua con l'autenticazione a due fattori disattivata.
È così che, lentamente, siamo arrivati all'affascinante argomento delle trasformazioni)))) perché se non esiste una distribuzione normale, è possibile crearne una.
Ci vorrà molto tempo, perché c'è bisogno sia della ritrasformazione che... E a Box-Cox non piace molto)))) È solo un peccato che se non hai
È solo un peccato che se non hai buoni predittori, non avrà molto effetto sul risultato finale...
Prima vorrei vedere un barlume di comprensione negli occhi dei "fedeli". E poi, sì, convertire se necessario. Se le code spesse possono essere convertite, questa è la domanda. Possono fare una grande differenza nella qualità.
Prima vorrei vedere un barlume di comprensione negli occhi dei "fedeli". E poi, sì, convertire se necessario. Se le code spesse possono essere convertite è la domanda. Possono avere un grande impatto sulla qualità.
Ci sono regressioni per le code spesse, a memoria FARIMA.
Ma torniamo alla grandezza dell'incremento.
Cosa stiamo scambiando? Un incremento di 7 pip a ore 1 rispetto alla barra precedente? Non lo capisco molto bene. Qualcuno può illuminarmi?
L'incremento può essere scambiato, più precisamente, la volatilità, ma rispetto a qualche serie stazionaria - si chiama cointegrazione.
Ci sono regressioni per le code spesse, a memoria FARIMA.
Ma torniamo alla grandezza dell'incremento.
Cosa stiamo scambiando? Un incremento di 7 pip sull'indicatore dell'ora rispetto alla barra precedente? Non lo capisco molto bene. Qualcuno può illuminarmi?
L'incremento può essere scambiato, più precisamente, la volatilità, ma rispetto a qualche serie stazionaria - si chiama cointegrazione.
Vorrei che qualcuno prendesse seriamente in considerazione i dati di input )
Ho pensato. Seriamente )
Per prima cosa, genero tutti gli input che mi vengono in mente. Poi seleziono quelli più rilevanti per una particolare variabile obiettivo e cestino il resto. Sembra aiutare, ma dipende dal metodo di allenamento.
Nell'esperimento che ho condotto, ho fatto quanto segue. Per prima cosa ho pensato a quali informazioni il sistema avrebbe dovuto vedere. Ma è tutto soggettivo. Ho anche scelto dei predittori informativi prima dell'allenamento, ma ha funzionato:
Commenterò. Per prima cosa mi sono allenato su un modello debole, non riqualificante, con tutti i predittori disponibili. È importante che il modello non abbia il tempo di riaddestrarsi. Poi ho preso i 10 più importanti.
Non solo questo non ha ridotto i risultati al rumore, ma ha anche accelerato l'allenamento di un fattore 10.
Questo è un modo di vedere la cosa.
Cosa scambiate se non gli incrementi?
Trend in cui long e short sono di interesse.
Ordini nel terminale: COMPRA, VENDI.
Vorrei che qualcuno prendesse seriamente in considerazione i dati di input )
Pensandoci, fornisco anche un servizio a pagamento per ripulire i set di predittori di input dai predittori di rumore per i modelli di classificazione. Questo lascia un set che non genera modelli sovrallenati. È vero, dovremmo chiarire: se rimane qualcosa. C'è una cosa paradossale: per il trading di tendenza tutte le molte varietà di salviette sono senza speranza.
Tra i set che ho elaborato:
Questo lascia 20-25 predittori che possono essere trattati in futuro
Risultato: il modello non viene riqualificato, cioè l'errore di classificazione in formazione, AOB e fuori campione è approssimativamente uguale.
Trend in cui long e short sono di interesse.
Ordini nel terminale: COMPRA, VENDI.
Questo è lo stesso! Aumenti trasformati in segni + o -. E si può prendere questo segno per incrementi di un'ora avanti.
Qual è la domanda?