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
La classificazione si basa anche sulle caratteristiche dei dati in entrata, e se queste caratteristiche cambiano nel tempo, allora l'applicazione futura della classificazione darà una previsione errata
È tutto triste...
Esattamente. Decomporre i dati in bidoni (tasche) è facile. Il problema sarà quando la distribuzione di probabilità sui bins cambia sui dati al di fuori del campione di allenamento.
Niente dura per sempre sotto la luna.
Ma c'è qualcosa nella classificazione che è molto vicino all'orecchio del commerciante.
Ci sediamo e fissiamo i grafici e cerchiamo di trovare dei modelli. Ed eccola: l'intersezione di due barre! Per non parlare di un modello come "testa e spalle".
E poi si esegue l'algoritmo e trova diverse centinaia di alberi (una felicità cento volte maggiore che con le maschere), che sono combinazioni di valori di dati di input, che possono essere associati alla variabile di output. Solo una parentela di anime e di AT, ma a quale livello!
I dati non stazionari non sono previsti da modelli di serie temporali. Né modelli statistici (regressione, autoregressione, smoothing, ecc.) né modelli strutturali (NS, classificazione, catene di Markov, ecc.).
Solo i modelli delle aree tematiche
Ovviamente non capisco qualcosa, ma di quale statistica e di quali modelli dovremmo parlare se la funzione di correlazione di una derivata di un processo di Wiener è una funzione delta. Naturalmente i dati di mercato non sono un processo di Wiener nella sua forma pura (almeno non in un ambiente stazionario omogeneo), ma le correlazioni nel mercato di oggi sono significative su un intervallo di solito non più di 1-2 ore, per lo più tra 15-30 minuti. E, in realtà, non è un fatto che questa sia la realtà e non un "riflesso apparente della luna apparente" (c)
È interessante che il tuo punto di vista coincida fortemente con il mio ) Ho dimostrato la presenza di "correlazioni" stabili o meglio di dipendenze su diversi predittori solo per l'intervallo da 20 minuti a un'ora. Leggi:https://www.mql5.com/ru/blogs/post/661499
Ma questa non è ancora la verità definitiva. La significatività dello skew di probabilità per una variabile booleana (prevedere il segno del movimento dei prezzi) esiste a orizzonti più lontani. Scriverò di questo in modo più dettagliato.
Niente dura per sempre sotto la luna.
Ma c'è qualcosa nella classificazione che è molto vicino all'orecchio del commerciante.
Ci sediamo e fissiamo i grafici e cerchiamo di trovare dei modelli. Ed eccola: l'intersezione di due barre! Per non parlare di un modello come "testa e spalle".
E poi si esegue l'algoritmo e trova diverse centinaia di alberi (una felicità cento volte maggiore che con le maschere), che sono combinazioni di valori di dati di input, che possono essere associati alla variabile di output. Solo una parentela di anime e di AT, ma a quale livello!
I dati non stazionari non sono previsti da modelli di serie temporali. Né modelli statistici (regressione, autoregressione, smoothing, ecc.) né modelli strutturali (NS, classificazione, catene di Markov, ecc.).
Solo i modelli delle aree tematiche
Dove posso leggere dei "modelli di aree tematiche"? Più precisamente, per quanto ho capito, in relazione all'area tematica "quotazioni dei prezzi/prezzi di scambio".
Applicata è l'analisi fondamentale.
I modelli tematici sono modelli che spiegano un processo tramite fattori esterni alla serie temporale. Per esempio, la termodinamica