Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1228
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
então haverá poucos exemplos e em novos dados ns se perderão cegamente, ela precisa "ver" o máximo possível da sua vida
como opção ....
1) Criar "comércio ideal" com negócios marcados, comércio+comissão, a opção mais rentável que pode ser... Vamos obter algo como um ziguezague com negócios em cima e em baixo...
2) Formar ações deste comércio ideal
3) Ensinar o modelo. O propósito do treinamento - para alcançar a máxima correlação (trade equities do modelo + comissão) com (ações idealizadas), a qualidade do modelo pode ser expressa por uma correlação numérica, kf
Desta forma, o modelo será capaz de se ajustar aos dados da forma mais suave e precisa possível.
E, claro, não devemos esquecer o OOS nos treinos.
ps. Tudo o que eu escrevi é pura teoria.
como opção ....
1) Criar uma "troca ideal" com trocas marcadas, troca+comissão, a opção mais rentável que você pode ter... Será como um ziguezague com trocas em cima e em baixo...
2) Formar ações deste comércio ideal
3) Ensinar o modelo. O propósito do treinamento - para alcançar a máxima correlação (trade equities do modelo + comissão) com (ações idealizadas), aquelas qualidades do modelo podem ser expressas por uma correlação numérica, kf
Desta forma, o modelo será capaz de se ajustar aos dados da forma mais suave e precisa possível.
E, claro, não devemos esquecer o OOS nos treinos.
ps. Tudo o que eu escrevi é pura teoria.
Essencialmente é feito assim, mas você pode variar o grau de "equidade ideal", porque quanto mais ideal for, mais sobretreinamento
erro na bandeja: 0, nos oos: 0,4.
Um negócio "ideal", incluindo OOS (dentro), mostra negócios perdidos de apenas 15%, o que corresponde à quantidade de OOS (aqui - 20%). Não é difícil adivinhar o que vai acontecer com os novos dados.
Isto é essencialmente o que é feito, mas você pode variar o grau de "equidade perfeita", porque quanto mais perfeita for, mais sobretreinamento
erro na bandeja: 0, no AOS: 0.4.
Um negócio "ideal", incluindo OOS (dentro), mostra negócios perdidos de apenas 15%, o que corresponde à quantidade de OOS (aqui - 20%). Não é difícil adivinhar o que vai acontecer com os novos dados
o problema está na modificabilidade das propriedades preditoras provavelmente, eu não vejo outras variantes (
então o problema é a variabilidade das propriedades preditoras provavelmente, não vejo outras opções(
variabilidade em relação às metas
Eu queria mostrar com isto que o treinamento "perfeito" de entradas é uma abordagem tortuosa, além de atribuir a todas as saídas as mesmas probabilidades
variabilidade em relação ao alvo
Eu queria mostrar que o treinamento de entradas "ideais" é uma abordagem tortuosa, especialmente para atribuir a todas as saídas as mesmas probabilidades
O início dos oos parece bom...
Já tentaste reeducar-te a cada n barras?
O início dos oos parece bom...
Não tentei reciclar-me completamente a cada n barras.
é apenas um exemplo, existem maneiras de suavizar a diferença, não muito eficientes, mas existem
O que você está procurando não é o começo )) já salvei screenshots de aproximadamente a mesma frente e verso
interessado no tópico de estudo que descrevi anteriormente. mas como ninguém se interessou pelo tema, ninguém se interessou
Este é apenas um exemplo, existem maneiras de suavizar a diferença, não muito eficazes, mas existem
O que você está procurando lá não é o começo )) já jogou screenshots onde aproximadamente a mesma frente e costas
Estou interessado em pesquisar o tópico que descrevi anteriormente, mas como ninguém o fez, eu próprio o farei.
para mim será o mesmo que com a probabilidade de ganhar/perder, você pode aprender algo, mas com novos dados estará próximo do aleatório.
será o mesmo que a probabilidade de ganho/perda, pode aprender alguma coisa, mas nos novos dados estará próximo do aleatório
Vejamos, não consigo imaginar este processo na minha mente.
Vamos ver, não consigo imaginar este processo na minha mente.
mas tente com a reciclagem constante, é mais promissor imho
mas tente com a reciclagem constante, é mais promissor imho
Você acha que eu não experimentei? O otimizador virtual há muito tempo está disponível em 2 variantes: reciclagem completa e correção Bayesiana.
Isto é tudo um disparate até que você tente, você não vai entender. Só funcionará quando o problema principal for resolvido.
porque eu verifiquei em todas as funções da matriz, a equidade é altíssima em quase todos os lugares.
redes neurais x...ti, paragens precoces, paragens tardias, escutas x...i, ensembles x..., validações cruzadas