トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 814

新しいコメント
 
ミハイル・マルキュカイツ

先物が新しいときは、TCが小さく、短命であることは以前から指摘されていた。先物は古くなればなるほど予測しやすくなり、期限切れになれば楽勝です。

新しい先物を投機するのは誰？直近3ヶ月のみ。前作が終わった場合（もしくは2-3日前）-次作へ。

そして、存在する最後の数日間を除いて、3ヶ月間ずっと同じぐらいです。いや〜古い方ですね...))

 
Mihail Marchukajtes：

とマナーを守れば、現地の人と接する時間が長くなります。

必要ない、荒らしに来ただけだ。スレッド内には文字通りグレイルアルゴリズムが 山ほどあり、もし彼が舌打ちをせず、それらを試したなら--彼はとっくに永久ムーから脱却していたことだろう。彼はここに既製のgrailの90％近くを掲載していますが、それらを完成させるためには、彼に欠けている知識が必要なのです。足りない部分はすべてこのテーマに書かれているのですが、彼は自分を助け、正しい方向に導こうとした人たちを皆地獄に突き落としたのです ))))
皮肉なものですね。

 
Dr.トレーダー

必要ない、荒らしに来ただけだ。スレッド内には文字通りグレイルアルゴリズムが山ほどあり、もし彼が舌打ちをせず、それらを試したなら--彼はとっくに永久ムーから脱却していたことだろう。彼はここに既製のgrailの90％近くを掲載していますが、それらを完成させるためには、彼に欠けている知識が必要なのです。このトピックの中に、足りない手順がすべて書かれていますが、彼は、自分を助け、正しい方向に導こうとした人たちに、「失せろ」と言いました ))))) 。
皮肉なものですね。

先生、残りの10％をください、誠実にお仕えします。

あなたのメッセージに真実の輝きを見出さない馬鹿な学生を許してください。

 
ヴィザード_。

特許は拒否されました。

 
ヴィザード_。

もちろん、写真も美しいです。

しかし、簡単な方法は、「これをすれば、あれがもらえる」です。写真なしでも大丈夫です。その方が人を信用できる)

 
グリゴーリイ チャーニン
修羅場を見た！金ピカだ！ https://www.mql5.com/ru/articles/2930
みんなを怖がらせたかな？結局のところ、これは市場の予測不可能性を科学的に証明するものなのです。しかし、市場で10年を稼ぎ、損失を生き残らないagotradersがあるという事実をどうするか？ すべての知識は疑問視され、検証されるべきです。
 
マキシム・ドミトリエフスキー

このような分布を持つ予測変数が少なくとも1つあれば、何も必要ありません：私たちは暖かい島に引っ越して、そこで生活します。


通常はこのような写真になります。


そして、これがなんともゴージャスな一枚。



ここに、リアルな予知能力によるハードライフの現実がある。

 
サンサニッチ・フォメンコ

このような分布を持つ予測変数が少なくとも1つあれば、何も必要ありません：私たちは暖かい島に引っ越して、そこで生活します。


通常はこのような写真になります。


そして、これがなんともゴージャスな一枚。



ここに、リアルな予知能力によるハードライフの現実がある。

確率分布とは、バイヤスのことである。面白い話題になったら後で書きます、今のところ分かりませんが...。

また、OOSのターゲットに対する確率分布のことだったのでしょうか？

 
マキシム・ドミトリエフスキー

確率分布とは、ベイスのことです。後で面白い話題になれば書きますが、今はどうでしょう・・・。

と、OOSのターゲットに対する確率分布のことだったのでしょうか？

百聞は一見にしかず、書いてみましょう。

私は、2つのクラスのターゲットに対して、予測器を2つに分割します。1つはあるクラスに属し、もう1つは別のクラスに属します。そして、2つのカーブリニアを作り、重ね合わせる。その下には「f*ck you, not money」というキャプションを作ります。

それが仕事です。


PS.

これらの曲線は常に相対的に動いており、一方の予測因子に対しては曲線幅より小さく、他方の予測因子に対しては曲線幅より大きい。これは、分類モデルの入力データの非定常性を定義するものである。

 
サンサニッチ・フォメンコ

100回目の書き込みです。

私は予測器を取り、2つのクラスのターゲットに対して2つの部分に分けます。1つの部分は一方のクラスに属し、もう1つの部分はもう一方のクラスに属します。そして、2本の曲線的なラインを作り、それを重ね合わせる。その下には「f*ck you, not money」というキャプションを作ります。

それが仕事です。


PS.

これらの曲線は常に相対的に動いており、一方の予測因子に対しては曲線幅より小さく、他方の予測因子に対しては曲線幅より大きい。これは、分類モデルの入力データの非定常性を決定するものであるany.

ここで、それぞれの予測因子について、過去の売り/買い持ちの推定値を取り、それを確率的なものに変換します。

は、複数の予測子を取り、それぞれについて同じことを行う。

多数の特徴量に対する条件付き利益確率を求める

そして、この例のようにNSやファジーセットに落とし込みます。

平均推定値は、各予測値について0.5前後で変動するが、ベイズアプローチの驚異により、合計値は許容範囲に収まるだろう。

それは理論上のことです :)

1...807808809810811812813814815816817818819820821...3399
新しいコメント