Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2844
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
оппа!
нормуль
Да, реальность такова.
Я тоже расстроился когда понял, что статистические методы не точная наука, всегда есть ошибка.
Да, реальность такова.
Я тоже расстроился когда понял, что статистические методы не точная наука, всегда есть ошибка.
высокая и не высокая точность - это весьма расплывчатая и не доказуемая оценка
смотря с какого монитора смотреть
их же много
поэтому, скорее всего, не важно и дело в другом
пока что закономерно только одно:
чтобы купить дешевле, торгуется противотренд, и возможно в своем большинстве...
Объясните, как можно оптимизировать параметры для нулевого мат ожидания к дисперсии?
Например можно использовать оптимизатор мт5, и оптимизировать торговый алгоритм по прибыли, тем самым подогнать параметры под дисперсию.
Но это обязывает прописывать совершение сделок, чтоб оптимизатор мт5 начал работать.
А как можно оптимизировать не по прибыли? А по критерию дисперсии.
Направьте в нужное русло.
Читаю вот ваш батл по оптимизации параметров, и вижу есть люди которые в этом шарят.
Объясните, как можно оптимизировать параметры для нулевого мат ожидания к дисперсии?
Например можно использовать оптимизатор мт5, и оптимизировать торговый алгоритм по прибыли, тем самым подогнать параметры под дисперсию.
Но это обязывает прописывать совершение сделок, чтоб оптимизатор мт5 начал работать.
А как можно оптимизировать не по прибыли? А по критерию дисперсии.
Направьте в нужное русло.
Воспользуйтесь функцией OnTester(), создайте любой интересующий вас критерий оптимизации и запускайте в тестере оптимизацию по кастомному критерию. Ну, или неправильно понял в чём ваш вопрос.
Воспользуйтесь функцией OnTester(), создайте любой интересующий вас критерий оптимизации и запускайте в тестере оптимизацию по кастомному критерию. Ну, или неправильно понял в чём ваш вопрос.
Да, наверно правильно поняли.
Просто не пойму, в документации говорится
OnTester() вызывается в экспертах при наступлении события Tester для выполнения необходимых действий по окончании тестирования.
То есть за всё время тестирования, получаем только один вариант оптимизации? И только одно значение?
Как я понял из документации OnTester() возвращает только одно значение типа double.
А если оптимизируемых параметров больше, например два. Тогда OnTester() не подходит для решения этой задачи?
А если оптимизируемых параметров больше, например два. Тогда OnTester() не подходит для решения этой задачи?
Про фреймы почитайте.
Да, наверно правильно поняли.
Просто не пойму, в документации говорится
OnTester() вызывается в экспертах при наступлении события Tester для выполнения необходимых действий по окончании тестирования.
То есть за всё время тестирования, получаем только один вариант оптимизации? И только одно значение?
Как я понял из документации OnTester() возвращает только одно значение типа double.
А если оптимизируемых параметров больше, например два. Тогда OnTester() не подходит для решения этой задачи?
Есть статья, как на основе OnTester() сделать кастомный тестер стратегий, но для начала нужно определиться как именно будет выглядеть ваша двукритериальная оптимизация. Можно смешивать два критерия в один с заданными весами, или можно попытаться строить поверхность Парето.
Про фреймы почитайте.
Есть статья, как на основе OnTester() сделать кастомный тестер стратегий, но для начала нужно определиться как именно будет выглядеть ваша двукритериальная оптимизация. Можно смешивать два критерия в один с заданными весами, или можно попытаться строить поверхность Парето.
Немного понял, в какую сторону надо копать. Спасибо.
Кстати о птичках.
Нет на финансовых рынках любых формул со знаком равенства, т.е.
нет формул
у = х
По которым, если х=2, то и у=2.
Это детерминированное мышление.
Есть формулы:
у ~ х
по которым, если х =2, то у = 2 в канале некоторого доверительно интервала. А для нестационарных рынков даже доверительного интервала нет, потому как дисперсия переменная, и даже не переменная, а чёрти что.
Это стохастическое мышление.
Максим Владимирович, что вы думаете о квантовой кластеризации?
https://github.com/enniogit/Quantum_K-means
не увидел с ходу разницы и преимуществ
и не знаю как потом результаты использовать. Пробовал подмешивать кластеры к разметке меток, ничего не дало.
при классификации мы же делаем разделение на классы уже с учетом прогнозов, а кластеризуем всегда в текущем моменте. Поэтому потом надо еще проверять эти кластеры на прогнозируемость, тоже перебирать признаки. В общем та еще головная боль.