Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1384

Novo comentário
 
Vitaly Muzichenko:

É uma pena que não se possa dar um "Like".

Você pode simplesmente pagar (só brincadeira).

 
elibrarius:

Yuri também está indo bem com incrementos simples.

Eu não uso gradientes).
 
Maxim Dmitrievsky:

o preço no mercado reflecte o equilíbrio entre a oferta e a procura, na sua maioria em diferentes momentos históricos

há outro problema: quanta história deve ser analisada no MO?

se usarmos algumas barras constantes = 1000

Não serão dados pouco fiáveis para a aprendizagem?

 
Maxim Dmitrievsky:

x.append((SD.history[i-j][c.c]/SD.history[i][c.c]-1)*1000)

isto não faz sentido - cada cadeia quente subsequente contém metade da informação útil da anterior, ou seja, eles, 1: correlacionam fortemente, 2: a cadeia quente com o maior atraso contém toda a variação da cadeia quente anterior, ou seja, eles não dão nenhum incremento de informação

o resultado será: a importância do retornado com o maior atraso será a maior (mais variação, mais ganho de informação), e este retornado contém todas as variações de outras características

Em uma longa tendência = sim. E a importância, quanto mais longe, mais forte é a correlação, pois todos crescem na mesma direção.

E, nesta situação:


A 20ª barra está no mesmo nível que a 0ª, mas a 5ª e 10ª barras contêm mais informação do que a 20ª. E há uma correlação, excepto para os 2-3 vizinhos.

Há muitas situações e você precisa analisar todas as barras.

Como alternativa, você pode diluir a série como fez o criador deste ramo (em seu blog).

 
Maxim Dmitrievsky:

x.append((SD.history[i-j][c.c]/SD.history[i][c.c]-1)*1000)

isto não faz sentido - cada característica subsequente contém metade da informação útil da característica anterior, ou seja, eles, 1: correlacionam fortemente, 2:e - a característica com o maior atraso contém toda a variação contida nas características anteriores, ou seja, eles não dão nenhum incremento de informação

o resultado será: o retorno com o maior atraso terá a maior importação (mais variação, mais ganho de informação), e este retorno contém toda a variação de outras características

Assustador.))
Um analógico do que estou a fazer é uma fotografia.
 
Igor Makanu:

Há outro problema: quanta história deve ser analisada no MO?

se usarmos algumas barras constantes = 1000

não serão dados pouco fiáveis para a aprendizagem?

Presumo que se dividirmos o preço em níveis, então podemos calcular a profundidade média da história por nível, começando de quando o preço chegou até ele e terminando quando ele saiu.

 
Yuriy Asaulenko:
Eu não uso incrementos).

SD.history[i-j][c.c]/SD.history[i][c.c]

São incrementos relativos. Chama-los apenas por outros nomes.

 
elibrarius:

Em uma longa tendência = sim. E a importância, quanto mais longa a tendência, mais forte e a correlação é, pois todos estão crescendo na mesma direção.

E, nesta situação:


A 20ª barra está ao mesmo nível da 0ª, mas a 5ª e a 10ª trazem mais informação do que a 20ª. E há uma correlação, excepto para os 2-3 vizinhos.

Há muitas situações e você tem que analisar todas as barras.

Como opção - você pode diluir a série como fez o criador deste ramo (em seu blog).

isso significa que com o aumento das amostras haverá uma correlação máxima, se você

localmente ninguém está interessado.

 
Yuriy Asaulenko:
Assustador.))

Bem, calcule a correlação entre os seus preditores, em toda a amostra.

e depois deitá-los todos fora )

 
Maxim Dmitrievsky:

Bem, calcule a correlação entre os seus preditores, em toda a amostra.

e depois deitá-los todos fora )

Estás enganado. Esta é a única maneira de o fazer.
1...137713781379138013811382138313841385138613871388138913901391...3399
Novo comentário