Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 635
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Com a sua ajuda, talvez consigamos descobrir :-) Isto é, se bem entendi, é necessário escolher aqueles inputs, que se esfregam perto de zero em um e outro lado. Ai sim?
:)))) Você tem que chamar o Feiticeiro para obter ajuda neste caso :)))).
Só posso dizer uma coisa - é a não-entropia que é responsável pela tendência/estado plano. Uma tendência é a "memória" do processo, sua "cauda" de distribuição e a não-entrropia é enorme, enquanto no estado plano é quase zero. Eu próprio só lido com isso, mas compreendo a importância deste parâmetro pouco estudado.
O que posso dizer. Resumo preliminar...
Se você escolher o modelo com base no princípio de proximidade ao zeroYu, não importa de que lado, então 9 dos 24 erros cometidos.
Se escolhermos pelo princípio do número mais baixo, há apenas 7 erros em 24. Além disso, com uma entropia extrinsecamente negativa uma vez foi correto e uma vez foi um erro. Mas mais uma vez, este é um cálculo idiota de entropia, enquanto nós precisamos calcular a informação mútua. Acho que é esta métrica que pode esclarecer muita coisa. Que modelos de lixo e que modelos colocar num pedestal.
Alguém pode explicar o que precisa ser feito com os dados para calcular a VI????
O que posso dizer. Resumo preliminar...
Se você escolher um modelo baseado no princípio de proximidade a zeroYu, não importa de que lado, então 9 dos 24 erros cometidos nas transações.
Se escolhermos pelo princípio do número mais baixo, há apenas 7 erros em 24. Além disso, com uma entropia extrinsecamente negativa uma vez foi correto e uma vez foi um erro. Mas mais uma vez, este é um cálculo idiota de entropia, enquanto nós precisamos de calcular informações mútuas. Acho que é esta métrica que pode esclarecer muita coisa. Quais os modelos de lixo e quais os que devem ser colocados num pedestal.
Alguém pode explicar o que precisamos fazer com os dados para calcular VI????
Brilhante, Mikhail!
Você será capaz de fazer o TS com entropia/não-entrropia mais rápido do que eu - conta PAMM ou sinal no estúdio! Eu serei o primeiro a inscrever-me será a verdade.
Se você escolher um modelo baseado na proximidade de zero, não importa de que lado, então 9 em 24 negociações são erros.
Estas estatísticas não são suficientes - precisamos de as aumentar pelo menos 100 vezes.
Se escolhermos um modelo pelo princípio de proximidade a zero, não importa de que lado, então 9 dos 24 ofícios.
Se seguirmos o princípio do número mais baixo, apenas 7 erros em 24.
Tente o número mais alto - e se não for muito pior?
Brilhante, Mikhail!
Se você conseguir fazer um TS com entropia/não-entrropia diante de mim - conta PAMM ou sinal no estúdio! Eu serei o primeiro a inscrever-me será a verdade.
Infelizmente não posso otimizar com base nessas métricas, porque uso o otimizador na caixa, mas antes e depois do processamento (seleção do modelo), acho que posso. Mas preciso de ajuda no cálculo da informação mútua pelo exemplo. E depois de alguma pesquisa, podemos tirar algumas conclusões. Pelo menos será possível tirar a conclusão mais importante, se essas métricas são relevantes na preparação dos dados antes do treinamento e também após o treinamento na seleção do modelo.....
Alexander, há a possibilidade de podcast com explicações?
Não são estatísticas suficientes - pelo menos 100 vezes mais.
Bem, isso sou só eu... apenas precipitadamente. Pessoalmente, eu acho que o seguinte.....
Se com a ajuda da VFD podemos selecionar entradas relevantes que contenham o máximo de informação sobre a saída, então os modelos sobre tais entradas funcionariam mais frequentemente do que não. E então no processo de execução do modelo em RES, com a ajuda da VF para acompanhar o momento em que o modelo perde relevância. Isto pode acontecer temporariamente. Notei que depois de uma série de erros, o modelo como se nada tivesse acontecido de novo começa a funcionar correctamente, penso que só uma métrica como a VVI pode ajudar-nos a todos num caso tão difícil como este .... Tudo o que falta fazer é calcular a entropia condicional. Ninguém sabe como o fazer com duas colunas de excel?????
Achas que estive acordado a noite toda a fazer merda? Não, tenho estado a trabalhar na VBA. Não posso dizer que sou um guru, mas posso fazer um monte de truques. Eu tenho contagem de entropia lá dentro, tudo o que tenho que fazer é calcular o condicional e eu estou pronto para ir....
Vês, Michael, como eu faço isso:
Calcular as probabilidades de ocorrência de um evento, ou seja, este ou aquele incremento na série temporal.
Por exemplo, para o AUDCAD:
Então, para um determinado volume de amostra, os incrementos sucessivamente obtidos contam a não-centropia usando a fórmula dehttps://ru.wikipedia.org/wiki/Негэнтропия.
Eu noto que quando H(x) aumenta acentuadamente, a tendência começa.
Mas, repito, a minha pesquisa está apenas no início e ainda está longe das declarações barulhentas que normalmente gosto de fazer.
Então, para um determinado volume de amostra, os incrementos sucessivamente obtidos contam a não-centropia usando a fórmula dehttps://ru.wikipedia.org/wiki/Негэнтропия.
Eu noto que quando H(x) aumenta acentuadamente, a tendência começa.
Mas, repito, a minha pesquisa está apenas no início e ainda está muito longe das afirmações bizarras que normalmente gosto de fazer.
Surpreendentemente, você fala da não-entrropia como um cálculo separado, eu apenas conto a entropia e ela se torna negativa. Como você entende isso?
Quanto aos extremos, você está absolutamente certo. Nas minhas observações, de 25 sinais eu tenho dois desses valores: um - 923 e outro - 1233 e esses mesmos sinais eram supertrendy.
Surpreendentemente, você fala da não-entrropia como um cálculo separado, mas eu apenas conto a entropia e ela se torna negativa.
Eu ainda não sei. Eu vejo a não centralidade como um parâmetro adicional ao Hearst, assimetria, curtose, etc. e este parâmetro é o mais misterioso e, como dizer? - Lindo, sim.