Discussione sull’articolo "Scienza dei Dati e Apprendimento Automatico (Parte 04): Predire l'Attuale Crollo del Mercato Azionario"

[MetaQuotes]

Il nuovo articolo Scienza dei Dati e Apprendimento Automatico (Parte 04): Predire l'Attuale Crollo del Mercato Azionario è stato pubblicato:

In questo articolo cercherò di utilizzare il nostro modello logistico per prevedere il crollo del mercato azionario basato sui fondamentali dell'economia statunitense, NETFLIX e APPLE sono i titoli su cui ci concentreremo. Utilizzando i precedenti crolli del mercato del 2019 e 2020 vediamo come funzionerà il nostro modello nelle attuali sventure e tenebre.

Ecco il codice completo linkato di seguito, ora è il momento di testare il modello nel tester della strategia.

APPLE Risultati dei Test

Grafico

Autore: Omega J Msigwa

[Marcel Fitzner]

Davvero molto interessante. Avete preso in considerazione la possibilità di effettuare test con date di inizio diverse o casuali o semplicemente di suddividere la storia in intervalli ugualmente ampi?

Inoltre, sarebbe molto interessante vedere come funziona la classificazione in tutti i diversi settori (materie prime, energia, finanza, sanità, consumi ciclici/difensivi, tecnologia, servizi di pubblica utilità, ...).

In ogni caso, ottima condivisione, grazie ancora!

[Omega J Msigwa]

Marcel Fitzner #:
Davvero molto interessante. Avete considerato anche la possibilità di effettuare test con date di inizio diverse o casuali o semplicemente di suddividere la cronologia in intervalli ugualmente ampi?

Inoltre, sarebbe molto interessante vedere come funziona la classificazione in tutti i diversi settori (materie prime, energia, finanza, sanità, consumi ciclici/difensivi, tecnologia, servizi di pubblica utilità, ...).

In ogni caso, ottima condivisione, grazie ancora!

grande domanda,

A: per quanto riguarda la scelta di dataset casuali per il test e l'allenamento, è possibile farlo ed è mio obiettivo che dopo ulteriori aggiornamenti della libreria si possa essere in grado di farlo(le librerie python su ML possono aiutare a raggiungere questo obiettivo).

B: potete leggere la classificazione in tutti i settori che avete menzionato al di fuori di questa piattaforma, perché penso che sia irrilevante nella comunità di trading disponibile in questa piattaforma.