Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2249
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
O que pode ser usado para medir a previsibilidade de uma série ou estatinidade sem remover a tendência?
Qual é a medida da estabilidade em série?
A presença de estacionário (descrito pelo mesmo modelo matemático, ou se nos decompusermos, pela constância de frequências e amplitudes em toda a trama). Ou seja, a seção curta deve ser descrita da mesma forma que a longa, ou a descrição de diferentes curtas ao longo da longa é a mesma.
Se a frequência de ruído é proporcional à do transportador, então não é terrível, mas se é informativo, então é pior. E, claro, a amplitude do ruído deve ser menor.
A estabilidade em série dentro de um modelo matemático é fácil de entender. Mas quando os modelos mudam periodicamente, a taxa de estabelecimento de uma área estável, ou o comprimento da área onde os modelos mudam, o comprimento das áreas estáveis, a constância das características de frequência e amplitude. Este é um conceito complexo.
A presença de estacionário (descrito por um único modelo matemático, ou ..................
Não sei como implementá-la.... talvez haja um tipo mais simples...
Quero criar uma rede que tenha como objectivo tomar as cotações do mercado como entrada e saída de uma série mais "previsível
Mas eu preciso de uma medida de "previsibilidade"...
Não sei como implementá-la.... talvez haja uma maneira mais simples...
Quero criar uma rede que tome as cotações do mercado como entradas e saídas de uma série mais "previsível
Mas eu preciso de uma medida de "previsibilidade"...
Não sei como implementá-la.... talvez haja uma maneira mais simples...
Quero criar uma rede que tome as cotações do mercado como entradas e saídas de uma série mais "previsível
Mas eu preciso de uma medida de "previsibilidade".
Ainda não sei como definir com precisão o início da estacionaridade, porque está definida na história. Como o MA.
Não há medida de previsibilidade em uma série não estacionária, só pode ser em seções estacionárias. Se a rede vai pelo menos definir estas parcelas na história para começar, isso é uma coisa boa.
.
Como uma opção. A medida da previsibilidade não pode ser medida por um único valor)
Até agora, a ciência não sabe como identificar o início da estacionaridade, porque ela está definida na história. Como MA.
Não há medida de previsibilidade numa série não estacionária, só pode ser em parcelas estacionárias. Se a rede vai pelo menos definir estas parcelas na história para começar, já está bom.
Não estás a perceber... Não vou prever nada, vou forçar a rede a gerar uma nova série estacionária...
Não me importo de o definir na história, desde que funcione.
Éisso que eu procuro.
Não estás a perceber... Não vou prever nada, vou forçar a rede a gerar uma nova série estacionária...
Eu gosto da definição de história, desde que funcione.
Éisso que eu procuro.
A entropia também é uma opção. É um conceito complicado para mim. É como a estabilidade da equidade. Também não pode ser descrito por um parâmetro.
Sim, você está certo, se o vetor de característica é convertido em uma matriz e alimentado em convolução, não vai mudar muito( já verificado :))) No meu caso, a idéia é fazer o máximo uso da propriedade da rede de convolução para procurar e usar templates locais. Estes padrões são invariantes de transferência, ou seja, a convolução de várias camadas pode encontrar o mesmo padrão em lugares diferentes na imagem. Da mesma forma, a arquitetura com redução agressiva intermediária do mapa de características permite formar uma hierarquia entre gabaritos em diferentes camadas de convolução. Portanto, estou tentando encontrar uma interpretação gráfica de uma citação que permita à convolução encontrar esses gabaritos.
Para os nossos propósitos, a convLSTM tem mais probabilidades de ser adequada. Isto é, convolução considerando parâmetros espaciais e temporais. Você pode ver exemplos aqui e aqui. Vou experimentar em tocha na próxima semana e ver como funciona. Há uma implementação em PyTorch
Boa sorte.
Sobre tsos, ns, erros do 1º, 2º tipo.
Eu li até a metade do caminho e parei aqui com um risinho.
números aleatórios. Uma rede neural usando esses pesos pode ter a relação correta de entrada-saída, mas por que esses pesos práticos funcionam permanece um mistério. Esta propriedade mística das redes neurais é a razão pela qual muitos cientistas e engenheiros as evitam. Pense em toda a ficção científica propagada pelos renegados do computador.
Eu acho que o autor está muito longe de NS, ainda mais longe do que eu))