Discussão do artigo "Usando o Algoritmo de Aprendizado de Máquina PatchTST para Prever a Ação do Preço nas Próximas 24 Horas" - página 2
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
Muitas vezes, percebo que os resultados previstos desse modelo não são muito consistentes com a situação real. Não fiz nenhuma alteração no código desse modelo. Você poderia me dar alguma orientação? Muito obrigado.
Obrigado por compartilhar sua experiência com o modelo. Você levantou uma questão válida sobre a consistência da previsão. O modelo PatchTST funciona melhor quando integrado a uma abordagem de negociação abrangente que considera vários fatores de mercado. Veja como eu recomendo usar as previsões do modelo de forma mais eficaz:
Algumas observações pessoais adicionais:
As previsões do modelo devem ser usadas como um componente de sua análise, e não como o único responsável pela tomada de decisões. Ao incorporar esses elementos, você pode potencialmente melhorar a consistência dos resultados de suas negociações ao usar o modelo PatchTST.
Espero que isso ajude.
Fair Value Gap (FVG) Script que mencionei (esses gaps funcionam de forma muito semelhante às zonas de oferta e demanda, em minha experiência):
Obrigado por seu interesse! Sim, essas alterações nos parâmetros funcionariam em princípio, mas há algumas considerações importantes ao mudar para os dados M1:
1. Volume de dados: Treinar com 10080 minutos (1 semana) de dados M1 significa lidar com um número significativamente maior de pontos de dados do que com H1. Isso irá:
2. Ajustes na arquitetura do modelo: Na Etapa 8 do treinamento do modelo e na Etapa 4 do código de previsão, talvez você queira ajustar outros parâmetros para acomodar a sequência de entrada maior:
3. Qualidade da previsão: Embora você obtenha previsões mais granulares, esteja ciente de que os dados M1 normalmente contêm mais ruído. Talvez você queira fazer experiências com diferentes comprimentos de sequência e janelas de previsão para encontrar o equilíbrio ideal.Obrigado pela informação. Meu computador é razoavelmente capaz, com 256 GB e 64 núcleos físicos. No entanto, ele poderia ter uma GPU melhor.
Depois de atualizar a GPU, tentarei as definições de configuração atualizadas.
Obrigado por compartilhar sua experiência com o modelo. Você levantou uma questão válida sobre a consistência das previsões. O modelo PatchTST funciona melhor quando integrado a uma abordagem de negociação abrangente que considera vários fatores de mercado. Veja como eu recomendo usar as previsões do modelo de forma mais eficaz:
Algumas observações pessoais adicionais:
As previsões do modelo devem ser usadas como um componente de sua análise, e não como o único responsável pela tomada de decisões. Ao incorporar esses elementos, você pode potencialmente melhorar a consistência dos resultados de suas negociações ao usar o modelo PatchTST.
Espero que isso ajude.
Fair Value Gap (FVG) Script que mencionei (esses gaps funcionam de forma muito semelhante às zonas de oferta e demanda, em minha experiência):
Muito obrigado por sua resposta paciente e por seu compartilhamento altruísta. Nunca vi respostas tão detalhadas e profissionais antes. Lerei seu artigo várias vezes. Esses conhecimentos são particularmente valiosos para mim. Meus melhores votos para você.
Muito obrigado. Suas palavras gentis significam muito! Entre em contato se precisar de mais ajuda!