Discussão do artigo "Aplicando Seleção de Recursos Localizada em Python e MQL5"
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
Novo artigo Aplicando Seleção de Recursos Localizada em Python e MQL5 foi publicado:
Na análise do mercado financeiro, os indicadores frequentemente apresentam eficácia variável à medida que as condições subjacentes mudam. Por exemplo, a volatilidade flutuante pode tornar ineficazes indicadores que antes eram confiáveis, à medida que os regimes de mercado mudam. Essa variabilidade explica a proliferação de indicadores usados pelos traders, já que nenhum indicador único consegue ter um bom desempenho de forma consistente em todas as condições de mercado. Do ponto de vista do aprendizado de máquina, isso exige uma técnica de seleção de recursos flexível que possa se adaptar a esse comportamento dinâmico.<br0/>
Muitos algoritmos de seleção de recursos comuns priorizam recursos que mostram poder preditivo em todo o espaço de características. Esses recursos geralmente são favorecidos mesmo quando seus relacionamentos com a variável-alvo são não lineares ou influenciados por outros recursos. No entanto, esse viés global pode ser problemático, pois modelos não lineares modernos podem extrair insights valiosos de recursos com forte capacidade preditiva local ou cujos relacionamentos com a variável-alvo mudam dentro de regiões específicas do espaço de características.<br2/>
Neste artigo, exploramos um algoritmo de seleção de recursos introduzido no artigo 'Local Feature Selection for Data Classification' de Narges Armanfard, James P. Reilly e Majid Komeili. Esse método busca identificar recursos preditivos que muitas vezes são negligenciados por técnicas tradicionais de seleção devido à sua utilidade global limitada. Começaremos com uma visão geral do algoritmo, seguida por sua implementação em Python para criar modelos de classificação adequados para exportação para o MetaTrader 5.
Autor: Francis Dube