Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1015
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
A rigor, numa amostra rolante de retornados, temos de calcular o estimador ACF para essa série discreta. Se for periódico, então o próximo retornado é previsto a 100% por Kolmogorov. Mas eu não conheço o critério para avaliar a periodicidade da ACF. Não posso simplesmente olhar para ele de frente.
Mais quente.
Vamos expandir o conjunto de preditores NÃO tão comuns para modelos de previsão.
Daqui
Meta-aprendizagem como prever as séries cronológicas
Thiyanga S Talagala, Rob J Hyndman e George Athanasopoulos
Apenas o guru divino e um par de suas padawans adicionam pessoas lá, me jogam seu Skype e dados sobre você em uma mensagem particular, eu vou perguntar, mas eu não prometo nada porque eu não sou uma autoridade lá, apenas um espírito desencarnado, sujeira em chinelos. São os cardeais cinzentos, fantoches e empresas, que são avistados para actividades próximas do mercado, são marcados com vergonha para a vida, para lavar a vergonha só pode ser para dezenas de milhares de milhões de verdes.
Obrigado, não tanto interessado em ser membro, o que eu entendo que envolve uma dificuldade considerável, mas em olhar para o nível, que provavelmente não é menos significativo.
Você escreveu que este grupo está olhando para uma representação unificada de modelos IO, esses são os modelos que eu gostaria de ver.
Estou pronto para mostrar meus próprios e modestos desenvolvimentos para comparação também, eu serializo modelos treinados em formato binário ou texto e como um código fonte.
Mais quente.
Ampliar o conjunto de preditores NÃO tão comuns para modelos de previsão.
Daqui
Meta-learning como prever séries cronológicas
Thiyanga S Talagala, Rob J Hyndman e George Athanasopoulos
Um bom artigo de pesquisa. Apenas na minha opinião o conjunto de séries temporais consideradas é demasiado amplo para nós. Eu gostaria de ver uma revisão semelhante dos métodos, mas para o tipo de séries que nos interessa.
Também gostaria de ver alguns novos métodos e modelos. Existe, por exemplo, uma difusão anómala(mais popular).
Um bom artigo de síntese. Só que, na minha opinião, a multiplicidade de séries temporais consideradas é demasiado ampla para nós. Gostaria de ver uma visão geral semelhante dos métodos, mas para o tipo de séries em que estamos interessados.
Também gostaria de ver alguns novos métodos e modelos. Existe, por exemplo, uma difusão anómala(mais popular).
Eu citei este link por causa da tabela: é um novo olhar sobre os preditores e um desenvolvimento da idéia de Alexander sobre ACF.
Eu trouxe a ligação por causa da tabela: um novo olhar sobre os preditores e como um desenvolvimento do pensamento de Alexander sobre ACF.
Pelo lado bom, em vez de se torturar a si próprio e a nós com modelos de 70 anos, teria estudado melhor esta difusão tão anómala e a sua aplicação ao mercado. Isso seria uma aplicação útil do seu enorme entusiasmo e educação física.
O parâmetro ZZ é diferente para cada instrumento e período de tempo. Por exemplo, para EURUSD M15 um bom valor inicial de 15 pips (4 dígitos). Também depende de preditores que você usa. É uma boa idéia otimizar todos os parâmetros de preditores e ZZ. Portanto, é desejável ter preditores não paramétricos, isso torna a sua vida muito mais fácil. Nesta capacidade, os filtros digitais mostram bons resultados. Usando conjuntos e cascata combinando, obtive Precisão média = 0,83. Este é um resultado muito bom. Amanhã vou enviar-lhe um artigo para verificação, que descreve o processo.
Boa sorte.
E como você descobre as configurações ZZ, simplesmente tentando modelos diferentes, e aquele que dá o melhor resultado com essas configurações é o melhor?
Por que você prefere pontos para ZZ ao invés de tempo (barras)?
E como você descobre as configurações ZZ, simplesmente tentando modelos diferentes, e aquele que dá o melhor resultado com essas configurações é o melhor?
Por que você prefere pontos para ZZ ao invés de tempo (barras)?
1. Existem diferentes métodos para optimizar
2. Por experiência própria.
Boa sorte.
Ontem ocorreu-me um pensamento, porque procuramos árvores de decisão, ou seja, um modelo que descreva uma entidade? Ou seja, por que devemos descrever a entidade inteira, talvez devêssemos apenas procurar as partes dessa entidade que são mais compreensíveis e previsíveis? Pensei que como estou coletando folhas de árvores, talvez eu devesse usar um método para encontrar tais folhas sem construir uma árvore de decisão completa, o que deveria, como eu entendo, dar um aumento na qualidade para a mesma quantidade de tempo computacional gasto.
Eu pesquisei na Internet e não vejo tal método em nenhum lugar. Talvez alguém saiba de tais desenvolvimentos?
Enquanto eu estou trabalhando no algoritmo, eu acho que antes de tudo eu preciso selecionar os preditores, que mostram a capacidade de previsão de uma das classes, nesses preditores devem ser feitos binários (para isso eu tenho que formar minha própria amostra para cada preditor ou para compor uma gama de exclusão da amostra geral (o que é mais razoável?)). Em seguida, já use preditores selecionados (e suas combinações) para construir stubs para uma determinada classe (no meu caso 3 classes), e depois use esses stubs para construir os demais preditores. Ao mesmo tempo, também podemos verificar a preferência por uma determinada classe. Então, de acordo com a idéia, encontraremos as áreas que são as mais receptivas à classificação para as classes-alvo específicas. E a área restante será apenas um campo de inatividade/expectativa.
É claro, podemos então ver onde as folhas estão sobrepostas umas sobre as outras e fazer um resultado médio nestes casos. E podemos construir uma árvore assim, mas com elementos de votação por causa da densidade em diferentes áreas de diferentes alvos.
O que você acha desta idéia?
1. Existem vários métodos de optimização
2. Por experiência própria.
Boa sorte.
1. Isso é o que eu gostaria de saber sobre estes métodos. Porque eu estou reinventando minha bicicleta novamente (eu já esbocei a ideologia), e de repente tudo já foi feito antes de nós...
2. Estou a ver. Mas não é razoável.
Vladimir, você poderia sugerir alguns métodos de "seleção futura" (ou algo parecido), mas aplicáveis à BP? Eu não sei se existe algum método de "seleção futura" (ou algo assim) em relação ao BP, talvez o algoritmo analise o BP e remova ou acrescente algo para melhorar a previsão, o google não poderia me ajudar(