Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3227
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
Parece que um gráfico de otimização pode mostrar o grau de dificuldade do processo de pesquisa. Então, vamos lá.
Gráfico de localização de um padrão na série original.
Sinceramente, não vejo nenhuma diferença perceptível. Esse gráfico não parece nos dizer nada de interessante.
Infelizmente, todas essas são hipóteses que precisam ser realizadas e testadas.
@Maxim Dmitrievsky está testando suas opções, eu estou testando as minhas.Sim, é claro, toda abordagem precisa de testes.....
Aqui está outro método Python para gerar séries temporais a partir de uma amostra.
O tópico é interessante, mas ainda não posso dedicar tempo suficiente a ele.
O tópico é interessante, mas, até o momento, não tive oportunidade de dedicar tempo suficiente a ele.
Gostaria de saber se o Kaggle faria isso.....
A aleatoriedade está sendo superada pelos prêmios? Por que não usar o método Kaggle quando há uma amostra LONGA fechada? Em seguida, faça um backtest com ela e o OnTester mostrará o vencedor imediatamente.
Como estamos longe de algo-trading, informo que as cotações MQ-Demo têm um potencial de ganho muito baixo. Em termos gerais, se eu souber o futuro, na MQ-demo com execução perfeita eu ganharia 100 u.e., e na XXX-demo 1000 u.e.. Isso sugere que muitos padrões existentes (negociados no real, não nas cozinhas) simplesmente não podem ser testados.
Portanto, se você quiser, por exemplo, atrair cambistas, que têm uma significância estatística muito alta dos resultados, precisará alterar algo na fonte de citação da demonstração MQ. Agora ele não é adequado para muitos estudos.
Parece que um gráfico de otimização pode mostrar o grau de dificuldade do processo de pesquisa. Então, vamos lá.
Para que servem esses gráficos?
Bem, suponha que você encontre alguns padrões na HISTÓRIA e aprenda a gerar outros semelhantes.
Por quê?
Precisamos desses gráficos repetitivos, DEPOIS dos quais uma seção bem definida segue LEGALMENTE. Exatamente DEPOIS, no FUTURO. Toda a ciência econômica pode ser dividida em duas partes: análise e previsão. Mas a previsão NÃO decorre da análise, porque todos os dados financeiros NÃO são estacionários.
Daí os modelos de MO.
Qualquer modelo de MO é hábil em encontrar padrões, gráficos semelhantes em dados históricos. O que é fundamental no MO é que esses padrões - PADRÕES - são colocados de acordo com o valor FUTURO do professor. Somente no MOE essa abordagem é possível - FUTURO.
A propósito, no GARCH, a pessoa procura um padrão matemático e prevê o futuro, esperando que o padrão encontrado não mude.
É improvável que um modelo funcione bem em diferentes moedas; em vez disso, você precisa de um modelo diferente para cada moeda.