Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 814
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
Há muito tempo que se observa que, quando os futuros são novos, os TCs são pequenos e de curta duração. Quanto mais velhos são os futuros, mais previsíveis se tornam, e quando expiram é canja.
Quem especula sobre novos futuros? Apenas nos últimos 3 meses. Se o anterior tiver terminado (ou 2-3 dias antes) - vá para o próximo.
E depois é mais ou menos o mesmo em todos os 3 meses, excepto nos últimos dias de existência. Não - o mais velho...))
e com os seus modos, terá muito tempo para contactar com os locais.
Ele não precisa, ele só está aqui para troll. Há literalmente pilhas de algoritmos de graal no fio, e se ele não estivesse a torcer a língua, e os tivesse experimentado - há muito que teria saído do alce permanente. Ele até postou aqui quase 90% dos grãos prontos, mas para finalizá-los você precisa de conhecimento que lhe falta. Todos os passos que faltam estão descritos aqui no tema, mas ele mandou todos, que tentaram ajudá-lo e direcioná-lo na direção certa, para o inferno )))))
Irônico.
Ele não precisa, ele só está aqui para troll. Há literalmente pilhas de algoritmos de graal no fio, e se ele não estivesse a torcer a língua, e os tivesse experimentado - há muito que teria saído do alce permanente. Ele até postou aqui quase 90% dos grãos prontos, mas para finalizá-los você precisa de conhecimento que lhe falta. Todos os passos que faltam estão descritos aqui no tópico, mas ele disse a todos que tentaram ajudá-lo e direcioná-lo na direção certa para se foder ))))).
Irónico.
o professor, dê-me os restantes 10% e eu servi-lo-ei fielmente.
Perdoe um estudante burro que não vê a centelha da verdade nas suas mensagens.
Patentes negadas.
As fotos são lindas, é claro.
Mas uma maneira simples é: Faça isto e consiga aquilo. Você pode fazê-lo sem fotos. Eu confio nas pessoas dessa maneira).
Shura, eles são dourados. https://www.mql5.com/ru/articles/2930
Se você tem pelo menos um preditor com a distribuição mostrada, então você não precisa de nada: Nós nos mudamos para uma ilha quente e vivemos lá.
Normalmente a imagem é assim:
E aqui está um absolutamente lindo.
Aqui está a realidade da vida difícil com preditores reais.
Se você tem pelo menos um preditor com a distribuição mostrada, então você não precisa de nada: Nós nos mudamos para uma ilha quente e vivemos lá.
Normalmente a imagem é assim:
E aqui está uma absolutamente linda.
Aqui está a realidade da vida difícil com preditores reais.
Por Distribuições de Probabilidade queremos dizer Bayas. Escrevo mais tarde se o tema se revelar interessante, por agora não sei...
E você quis dizer distribuições de probabilidade relativas ao alvo no OOS?
Distribuições de Probabilidade refere-se a Bayas. Escrevo mais tarde se o tema se revelar interessante, por agora não sei...
e você quis dizer distribuições de probabilidade relativas ao alvo no OOS?
A escrever pela centésima vez.
Eu pego um preditor e o divido em duas partes para um alvo de duas classes: uma parte pertence a uma classe e a outra a outra. Depois construímos dois curvilíneos e sobrepômo-los. Por baixo deles fazemos uma legenda: "F*ck you, not money".
Esse é o trabalho.
PS.
Estas curvulinas estão em constante movimento em relação umas às outras, para um prever menos e para o outro mais do que a largura da curvulina. Isto define a não-estacionariedade dos dados de entrada para modelos de classificação, quaisquer.
A escrever pela centésima vez.
Eu pego um preditor e o divido em duas partes para um alvo de duas classes: uma parte pertence a uma classe e a outra à outra. Depois construímos duas linhas curvilíneas e sobrepômo-las. Debaixo deles fazemos uma legenda: "F*ck you, not money".
Esse é o trabalho.
PS.
Estas curvulinas estão em constante movimento em relação umas às outras, para um prever menos e para o outro mais do que a largura da curvulina. Isto é o que determina a não-estacionariedade dos dados de entrada para os modelos de classificação, quaisquer.
Agora pegue para cada preditor uma estimativa histórica de byssell/hold, traduza-a em uma estimativa probabilística.
tomar vários prognosticadores, fazer o mesmo para cada um deles.
encontrar probabilidades de lucro condicional para um conjunto de características
e depois coloca-lo em NS ou conjuntos difusos como neste exemplo
A estimativa média flutuará em torno de 0,5 para cada preditor, mas as maravilhas da abordagem Bayesiana levarão os totais a um nível aceitável
que é em teoria :)