Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 934
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
E no próprio R, os gráficos não são nada. E os pacotes gráficos também não são bons.
Hoje dediquei um dia ao estudo de DSP.
Faz-me lembrar a NS.
Coeficientes de filtragem e outras coisas, quase como os preditores
)
Hoje passei o dia a estudar DSP.
É um pouco como a NS.
Coeficientes de filtragem e outras coisas, quase como os preditores.
)
Acho que um dia não é suficiente). Na verdade, é uma especialidade). Eles estudam-no há anos, mesmo durante toda a sua vida activa.
NS, não lembra, mas é amplamente utilizado em DSP. A questão da aplicação de NS em DSP é a formulação correta do problema para NS. Digamos que uma aplicação de NS é a filtragem, incluindo a filtragem adaptativa.
A propósito, NS vai funcionar bem quando você der uma tarefa bem específica, não trazer isso, eu não sei o quê.
Um dia provavelmente não é suficiente). Na verdade, é uma especialidade). Tem sido estudado durante anos, mesmo uma vida inteira de vida activa.
NS, não lembra, mas é amplamente utilizado em DSP. A questão da aplicação de NS em DSP é a formulação correta do problema para NS. Digamos que uma aplicação de NS é a filtragem, incluindo a filtragem adaptativa.
A propósito, NS vai funcionar bem quando você der uma tarefa bem específica, não trazer isso, eu não sei o quê.
A especialidade corresponde
O dia é curto, eu concordo.
Filter_02 2016 arr_Buy
A classe "1" até excede "0" em número, portanto há menos entradas falsas em comparação com antes. Experimente esta árvore na EA, por favor? Eu próprio estou curioso sobre o que o gráfico de lucro vai mostrar.
A classe "1" é apenas um filtro de compra e a classe "-1" é um filtro de venda, então idealmente seria melhor programar tanto um filtro de venda como um filtro de compra. Eu só tenho valores int, entendo que se o valor da ramificação na árvore é 2,5, então eu coloco 3, certo? E em oval significa mais ou igual a 0,50, então é 1, senão é zero? É que só há 4 saídas para zero, então vou verificar, se não for 0, então é 1.
A classe "1" é apenas um filtro de compra e a classe "-1" é um filtro de venda.
Não entendo. arr_Buy==1 significa "não compre"?
Idealmente, seria melhor programar um filtro tanto para vender como para comprar.
E como calcular um valor-alvo a partir de dois arr_Buy e arr_Sell?
Seria bom se em uma coluna de destino houvesse apenas duas classes -1 e 1 (comprar e vender), e mais ou menos o mesmo número de ambas. Nesse caso, podemos obter resultados mais estáveis com o modelo.
Eu só tenho valores int, presumo que se o valor da ramificação na árvore for 2,5, eu coloco 3, certo? E em oval significa mais ou igual a 0,50, então é 1, senão é zero? É que só há 4 saídas para zero, então vou verificar, se não for 0, então é 1.
Sim, é verdade.
A classe "1" é apenas um filtro de compra e a classe "-1" é um filtro de venda, então idealmente seria melhor programar tanto um filtro de venda como um filtro de compra. Eu só tenho valores int, entendo que se o valor da ramificação na árvore é 2,5, então eu coloco 3, certo? E em oval significa mais ou igual a 0,50, então é 1, senão é zero? É que há apenas 4 saídas para zero, então eu só vou verificar, se não 0, então 1.
És tu que estás a fazer a árvore?
Uma floresta é suficiente para ser treinada, e mais otimização é insensata - é mais fácil fazer uma nova floresta.
Para total compatibilidade com a MQL5 criei https://github.com/Roffild/RoffildLibrary/blob/master/Experts/Roffild/Alglib_RandomForest.mq5 Executar apenas em agentes locais. O código pode gerar vários arquivos com diferentes números de preditores e executá-los no otimizador. Quando ficares sem RAM, é melhor mudares para Spark...
Não entendo. arr_Buy==1 significa "não compre"?
Sim - não compre, é um filtro, ou seja, procura maus pontos de entrada para comprar e vender. A idéia é encontrar entradas de mercado e combiná-las com o filtro.
E como calcular um valor-alvo a partir de dois arr_Buy e arr_Sell?
Seria bom se houvesse apenas duas classes -1 e 1 (comprar e vender) na mesma coluna de destino, e mais ou menos o mesmo número de ambas. Nesse caso, você poderia obter resultados mais estáveis com o modelo.
Neste caso a entrada deve ser em todos os bares - comprar ou vender, mas o mercado não fornece tantos movimentos de tendência, e o alvo de compra e venda é a tendência, por isso os sinais não podem ser combinados. O filtro monitoriza todas as perdas, por isso há mais informação - mais apartamentos, por isso deve apanhá-los.
Já foi escrito muitas vezes: os preditores de ruído são muito mais amigos do modelo - há sempre valores no ruído que melhoram o resultado da aprendizagem. Então o processo é invertido - os preditores de ruído ganham mais peso, não como você sugere. Isto é especialmente notável em pequenas amostras, que são menos de 1000 observações. Amostras de mais de 5000 observações não são tão afetadas, mas você ainda precisa pré-exibir os preditores de ruído
Como identifico os "preditores de ruído"? Tentando selecionar por significado e removendo desta forma, o resultado é pior.
Eu prefiro sobrepor os resultados da floresta aleatória no próprio gráfico.
Por exemplo, comparar dois modelos florestais aleatórios:
Eu prefiro sobrepor os resultados da floresta aleatória no próprio gráfico.
Por exemplo, comparar dois modelos florestais aleatórios:
Não está claro como ler o seu indicador.