Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1857
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
mostrar fotos de kamins e aglomerados de kochu, tão pouco claras
kmins
kohonen
Olhando para os protótipos, é bastante semelhante, embora o que se pode esperar com apenas três aglomerados
kmins
kohonen
se você olhar para os protótipos, é bastante semelhante, embora o que você pode esperar com apenas três clusters
Meu, eu devia ter aumentado os gráficos, não consigo ver muito bem.
Vou tentar escrever um TC mais curto, mais tarde. Então sim, é semelhante... mas ao nível da lógica comercial pode haver algumas diferenças
Verifique se os aglomerados de cohonen ascendente e descendente não vão além de +-0,001 na primeira hora em uma das direções. E em geral (na média) o vector de movimento de preços já está claro à 1ª hora (será dirigido ou invertido).
E você deve olhar para ele para diferentes pares de horas vizinhas. É claro, que em algum lugar será melhor, e em algum lugar será pior.
Tenho de tentar escrever o TS mais curto, vou tratar disso mais tarde. Então sim, parece que sim... mas ao nível da lógica comercial pode haver algumas diferenças
Verifique se os aglomerados de cohonen ascendente e descendente não vão além de +-0,001 na primeira hora em uma das direções. E em geral (na média) o vector de movimento de preços já está claro à 1ª hora (será dirigido ou invertido).
E você deve olhar para ele para diferentes pares de horas vizinhas. É claro que em algum lugar será melhor, em algum lugar pior.
Você quer dizer filtrar por horas que você pode trocar e horas que você não pode?
Você quer dizer filtrar por horas que podem ser trocadas e as que não podem?
Há diferentes grupos para diferentes pares de horas. Alguns sinais são diferentes para 1-2 horas, outros para 5-6 horas. Algumas delas não são de todo previsíveis
porque é tudo baseado em ciclos sazonais e agrupamento de volatilidade. As transições de sessão para sessão são interessantes e assim por diante.
você pode demorar mais de 2 horas
e o perseptron dá piores resultados, mas mais suaves.
>>> clf.score(X_train, y_train)
0.7438271604938271
>>> clf.score(X_test, y_test)
0.7407407407407407
diferentes clusters para diferentes pares de relógios. Alguns sinais são diferentes para as 1-2 horas e outros para as 5-6 horas. Alguns não são de todo previsíveis
porque tudo se baseia em ciclos sazonais e agrupamentos de volatilidade. As transições de sessão para sessão são interessantes e assim por diante.
É possível demorar mais de 2 horas
E se tomarmos segmentos de tamanho desigual, mas, digamos, decompostos em ZZ?
Você já tentou selecionar mais clusters e prever binaricamente um determinado cluster?
E se os segmentos não forem do mesmo tamanho, mas, digamos, se decompuserem em ZZ?
Você já tentou mais clusters e binários prevendo um cluster em particular?
o número de clusters não afecta a qualidade da classificação
Não, eu não estou na ZZ.
o número de clusters não altera a qualidade da classificação
Não, a ZZ não é para mim.
Bravo Maxim, dou-lhe uma ovação de pé pela ZZ. ZZ é um beco sem saída em todas as frentes.... Estou a falar a sério. Provado mais de uma vez e tudo porque não tem valor na barra zero, embora as tentativas de criar um tenham tido sucesso, mas apenas na NS.
Caso contrário, o Maxim é um estudo muito interessante. Eu acho que você pode fazer opções binárias de uma só vez com tal sistema. Vão perguntar-se porque é que estás tão virado para o futuro. Eles nem vão adivinhar que você está equipado com um poderoso companheiro que quebra seus BOs. ....
o número de clusters não altera a qualidade da classificação
Não, o Zz não é para mim.
Muito interessante - preciso de experimentar, podes escrever o código em python?
Muito interessante - eu tenho que tentar, você pode postar o código em python?
Os modelos treinados podem ser exportados para a metáfora de uma só vez, como funções prontas. Uma árvore ou floresta
e aí você pode usar diferentes estratégias no testador