Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1042
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
À medida que se cansa de bater no gelo, pense no facto de ambas as escalas de preço/tempo não serem intrinsecamente lineares. Isso se você se aproximar de uma perspectiva puramente comercial (sem entender o mercado).
É com o tempo que medimos os processos periódicos. O tempo tem pouco significado quando se mede processos que têm uma natureza aleatória de ocorrência.
A escala de tempo em intervalos pequenos (tick, "quantum") é não linear e aleatória, parece que para eventos de dimensão tick, o tempo como um fator significativo não existe de todo.
Em grandes intervalos, devido à superposição de heterogeneidade diária, semanal, relacionada com o lançamento de notícias e outras heterogeneidades periódicas, a escala de tempo pode ser considerada mais próxima do linear e a importância do tempo aumenta.
Você não pode. Verificar moedas para o índice Hearst. Ele mostra claramente a aleatoriedade do mercado. E o que pode ser feito em um mercado aleatório? Só martin. Mas, por outro lado, existem ineficiências no mercado de diferentes épocas de existência. E eles ganham dinheiro com eles. E isto não é por acaso. Portanto, devemos avançar na direcção da procura de ineficiências. Eu gostaria de automatizar este processo. Mas não consigo sentir de onde começar. As redes neurais não são adequadas para isso. Eles precisam de padrões prontos para a aprendizagem.
E por que não construir sobre o que obviamente existe e funciona, o que salvou nosso plano do colapso por bilhões de anos, e o que ajuda algotraders a otimizar e ajustar seus EAs - a inércia e a memória do mercado?
No próximo tópico, logo no primeiro post, é dito que nenhum truque pode destruir o preço sem marca, embora o resto de sua discussão, em torno das distribuições de carrapatos e das difusões intergrupais, IMHO talvez seja adequado apenas para a pesquisa de filtros para datafids, mas estamos no tema MO :)
E as redes neurais, IMHO para esta tarefa são as melhores...
Yooooooooo.... Onde já foi visto que uma linha caiu abaixo da primeira página????? Sim.... vocês estão a geri-lo... você tem tudo pronto e a funcionar. Entretanto estou indo bem e os resultados são bastante encorajadores e tudo graças a um erro acidental :-)
Foi assim..... Por exemplo...
E agora é assim.... Alguém pode dizer se os dados melhoraram ou não????
Há realmente muitas perguntas. Como interpretar o gráfico do componente principal????? Ainda uma questão Estes dois conjuntos de dados são tomados durante o mesmo período de tempo. O alvo é o mesmo, mas salvar os palpiteiros foi feito de duas maneiras diferentes. Então. As suas estatísticas de saída, esta tarefa é só para si!!!!!
Qual dos conjuntos de dados é melhor??? A primeira ou a segunda. A vossa opinião cavalheiros!!!!!
E depois dou-te a minha opinião...... ESTÁ BEM?
Não consegui passar duas páginas deste fio.
Vou apenas dar a minha opinião. Assim, a aprendizagem da máquina é um conjunto de estatísticas sobre uma ferramenta, análise e o próprio algoritmo de acordo com o resultado do trabalho realizado, mas... Há uma nota importante, nenhum algoritmo pode garantir que você obterá o resultado desejado se todas as condições forem cumpridas, e isso significa que não importa quantos dados você analise e complique os algoritmos de tomada de decisão, sempre haverá uma probabilidade do resultado esperado.
É a probabilidade de você estar negociando, e como consequência você precisa procurar o resultado de probabilidades mais altas. O próprio mercado é monótono, de acordo com a minha análise (que não foi precisa tanto para os longos como para os curtas), o mercado para um mesmo intervalo de tempo dá aproximadamente o mesmo (49%/51% ou 51%/49%) montante de negócios lucrativos em ambas as direcções.
Portanto, o algoritmo de tomada de decisão deve ser baseado na maior estimativa (qualitativa) da probabilidade do resultado com filtros adicionais a seu critério.
Yooooooooo.... Onde já foi visto que uma linha caiu abaixo da primeira página????? Sim.... vocês estão a geri-lo... você tem tudo pronto e a funcionar. Entretanto estou indo bem e os resultados são bastante encorajadores e tudo graças a um erro acidental :-)
Foi assim..... Por exemplo...
E agora é assim.... Alguém pode dizer se os dados melhoraram ou não????
Há realmente muitas perguntas. Como interpretar o gráfico do componente principal????? Ainda uma questão Estes dois conjuntos de dados são tomados durante o mesmo período de tempo. O alvo é o mesmo, mas salvar os palpiteiros foi feito de duas maneiras diferentes. Então. As suas estatísticas de saída, esta tarefa é só para si!!!!!
Qual dos conjuntos de dados é melhor??? A primeira ou a segunda. A vossa opinião cavalheiros!!!!!
E depois dou-te a minha opinião...... ESTÁ BEM?
Michaelo chegou ao PCA... Porquê, as tuas mãos fazem comichão? )
a parcela componente principal deve ser interpretada numa base ortogonal :D
Os vermelhos são orthos preditores e o que significam os números?
Michaelo chegou ao PCA... Porquê, as tuas mãos fazem comichão? )
O gráfico da componente principal deve ser interpretado numa base ortogonal :D
Então qual deles é melhor?
Então qual deles é melhor???
Bem, o segundo, 55%.
o segundo, 55%.
Não há 55% na parcela de componentes principais(primeira parcela). Os 55% é o gráfico de agrupamento onde, em ambos os casos, os dados representam duas áreas bem divisíveis. Um é melhor que o outro e vamos voltar ao primeiro gráfico. Porque é que a inferior é melhor que a superior????
Para isso você precisa saber como interpretá-los!!!!
Não há 55% na parcela de componentes principais(primeira parcela). O 55% é um gráfico de agrupamento onde, em ambos os casos, os dados representam duas áreas bem divisíveis. Um é melhor que o outro e vamos voltar ao primeiro gráfico. Porque é que a inferior é melhor que a superior????
Para isso você precisa saber como interpretá-los!!!!
bem, se os números forem pontos, então a variação dos 2 componentes é menor no segundo do que no primeiro, não?
http://setosa.io/ev/principal-component-analysis/
Gire os gráficos com o seu mouse e leia, você terá a idéia.
bem, se os números forem pontos então a variação no 2º componente é menor do que no 1º, não?
http://setosa.io/ev/principal-component-analysis/Concordo!!!! Mas isso não é tudo... Acontece que o segundo gráfico é melhor porque existem vetores que estão o mais próximo possível dos eixos zero. Não é tão óbvio neste exemplo, mas agora nos deparamos com tais conjuntos de dados onde os vetores dos componentes coincidem com eixos zero e dividem o campo em até 4 quadrados. No primeiro caso, os eixos componentes estão dispersos entre os zeros, enquanto no segundo, existem vectores componentes que estão o mais próximo possível dos zeros. Conhecendo o nome do preditor, treinamos o otimizador desde que os inputs sejam os preditores que formam o vetor componente mais próximo do eixo zero e não importa em que direção. Mais uma vez, este é o meu IMHO!!! É por isso que eu queria esclarecer o quão certo eu estou!!!!