"Rastgele Ormanlar Öngörü Trendleri" makalesi için tartışma - sayfa 4
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Model ve öngörücü seçimi birbiriyle ilişkilidir. İlk olarak, bir model seçilmeli ve ardından aynı model tarafından tahmin edilmesinde en az "kullanışlılığa" sahip olan tahmin ediciler elenerek bu modele dayalı tahmin ediciler seçilmelidir. Birçok makale ve ders kitabı aksini öğretse de: önce bu tahmin ediciler ile hedef seri - çıktı - arasındaki ilişkiyi hesaplayan bazı yöntemler kullanarak tahmin edicileri seçeriz. En yaygın tarama yöntemleri, tahmin ediciler ile çıktı arasındaki korelasyon katsayısı ve karşılıklı bilgidir. Daha sonra genellikle tahmin edicilerin nasıl seçildiğiyle ilgisi olmayan bir model seçilir. Eğer düşünürseniz (ve ekonometri ders kitapları bunu size söylemez, kendiniz düşünmeniz gerekir), çıktı ile korelasyon katsayısına göre tahmin edicileri seçme yöntemi esasen doğrusal bir regresyon modelinde (LRC) en küçük hataya sahip olacak tahmin edicileri seçer. Tahmin edicileri çıktı ile karşılıklı bilgilerine göre seçme yöntemi, esasen Nadaraya-Watson regresyon tabanlı bir modelde (soyut adı GRNN) en düşük hatayı verecek tahmin edicileri seçer.
Korelasyon konusunda size tamamen katılıyorum. Tahmin edicilerin hedef değişken üzerindeki etkisi korelasyon ile belirlenemez ve regresyon ile de belirlenmez. Farklı şekilde yapılır. En popüler olanı Gini endeksidir, ancak bunu kullanmayı ve kendi düşüncelerimi ve bazı eylem dizilerini kullanmayı başardım. trend tahmini için bir dizi tahminci bulmayı başarırken, fiyat artışını tahmin etmek için bir dizi tahminci bulmayı başaramadım.
Dikkatinizi kitabıma çekmek isterim. Tahmin ediciler sorunu korelasyon ve Gini endeksinden çok daha karmaşıktır. Kitap pek çok şeyi açıklığa kavuşturuyor.
faa1947:
Dikkatinizi kitabıma çekmek isterim. Tahmin ediciler sorunu korelasyon ve Gini endeksinden çok daha karmaşıktır. Kitap pek çok şeyi açıklığa kavuşturuyor.
Dikkatinizi kitabıma çekmek isterim. Tahmin ediciler sorunu korelasyon ve Gini endeksinden çok daha karmaşıktır. Kitap pek çok şeyi açıklığa kavuşturuyor.
Kitap orada değil, bir reklam var.
Eskiden burada ağlar hakkında çok az bilgi vardı. İnsanlar bu ağları incelemek ve ticarette denemek istiyordu. Şimdi ise ağların nasıl kullanılacağına dair adım adım talimatlar içeren çok sayıda kitap ve makale var. Ağlarla ilgili bu kitaplara ve makalelere bakıyorum ve bunlar beni sadece okumaktan vazgeçirmekle kalmıyor, aynı zamanda ağlardan tiksinmeme bile neden oluyor. Bu yazılardaki sorun, okuyucunun ilgisini çekmeye bile çalışmamaları: okuyun ve kullanın. Peki neden zaman kaybedelim? Yem nerede? Kitabın veya makalenin başında, kitapta veya makalede açıklanan yöntemleri kullanarak ticaret yapmanın cazip bir sonucunu gösterin ve biz de bunları okumak ve anlamakla ilgilenelim. Derin ağlarla ilgili yeni bir makaleye bakıyorum ve sanırım bu ağları zaten bilen birkaç uzman dışında kim okuyacak? Ben de bu ağları zaten biliyorum ve diğer ağlar gibi bunların da piyasada alım satım için geçerli olmadığını biliyorum. Bu ağların mucidi Jeffrey Hinton bile bunu uzun zaman önce fark etti. YouTube'daki derslerini dinleyin.
Kitap orada değil, bir reklam var.
Eskiden burada ağlar hakkında çok az bilgi vardı. İnsanlar bu ağları incelemek ve ticarette denemek istiyordu. Şimdi ise ağlar hakkında, nasıl kullanılacaklarına dair adım adım talimatlar içeren çok sayıda kitap ve makale var. Ağlarla ilgili bu kitaplara ve makalelere bakıyorum ve bunlar beni sadece okumaktan vazgeçirmekle kalmıyor, aynı zamanda ağlara karşı biraz tiksinti bile yaratıyor. Bu yazılardaki sorun, okuyucunun ilgisini çekmeye bile çalışmamaları: okuyun ve kullanın. Peki neden zaman kaybedelim? Yem nerede? Kitabın veya makalenin başında, kitapta veya makalede açıklanan yöntemleri kullanarak ticaret yapmanın cazip bir sonucunu gösterin ve biz de bunları okumak ve anlamakla ilgilenelim. Derin ağlarla ilgili yeni bir makaleye bakıyorum ve sanırım bu ağları zaten bilen birkaç uzman dışında kim okuyacak? Ben de bu ağları zaten biliyorum ve diğer ağlar gibi bunların da piyasada alım satım için geçerli olmadığını biliyorum. Bu ağların mucidi Jeffrey Hinton bile bunu uzun zaman önce fark etti. YouTube'daki derslerini dinleyin.
Bir TS geliştirirken bir tüccarın olağan görevi, geleceği tahmin edecek, sözde model olarak adlandırılan bir dizi sinyal bulmaktır. Hazır göstergeleri alıyoruz, satın alıyoruz, kendimiz yazıyoruz, birbirleriyle birleştiriyoruz ...
Ben böyle bir sorun olmadığını savunuyorum. Belirli bir tahminci kümesi için olası tüm kalıpları bulacak algoritmalar var. makalemde ve kitabımda yaklaşık 200 kalıp var. Geleneksel yöntemlerle böyle bir şey bulmak imkansız.
Dahası, R'de uzmanlaştıktan sonra, örüntüleri bulmak için bir algoritmayı, örneğin sinir ağlarını, derin sinir ağlarına ve onları başka bir şeye değiştirmekte sorun yaşamıyorum. Üstelik algoritmanın ne bulduğuna girmeye de gerek yok.
Peki sorun nedir?
Ve yukarıdaki yazınızda yazdığınız şeyde: tahmin edicilerin doğru seçimi. Ben de ekleyeceğim. Tahmin edicilerin uygun şekilde ön işlemden geçirilmesi. Bu bir beceri. Kitap okumanın bir sonucu olarak, bu konuda kendiniz düşündüğünüz için bu beceriye sahip olacaksınız.
Peki ya benim kitabım? Sadece örüntü arama için belirli algoritmaların değil, tüm problemin yüzeysel bir incelemesidir. Size bir sonucu garanti ediyorum: ticaret için yeterli düzeyde birkaç formasyonda akıcı olacaksınız, bu formasyonları gerçekten araştırmadan, her türlü perseptron, katman, bugging ve bousting ile - tüm bunlar sizin için gereksiz olacak. Tahmin edicilere odaklanacaksınız.
Bu tamamen farklı bir yaklaşım.
Ve size istatistik aksiyomlarını hatırlatarak bitirmek istiyorum: "Garbage in - rubbish out". Ve hiçbir model, hiçbir algoritma bunu değiştiremez. Bu nedenle, bir tire yerine, bir isimle bir kara kutu koymalı ve bunun hakkında endişelenmemeliyiz, ancak çöple uğraşmalıyız.
Bir TS geliştirirken bir tüccarın olağan görevi, desen olarak adlandırılan geleceği tahmin edecek bir dizi sinyal bulmaktır. Hazır göstergeleri alıyoruz, satın alıyoruz, kendimiz yazıyoruz, kendi aramızda birleştiriyoruz ....
Bu sorunun var olmadığını iddia ediyorum. Belirli bir tahminci kümesi için olası tüm kalıpları bulacak algoritmalar var. makalemde ve kitabımda yaklaşık 200 kalıp var. Geleneksel yöntemlerle böyle bir şey bulmak imkansız.
Dahası, R'de uzmanlaştıktan sonra, örüntüleri bulmak için bir algoritmayı, örneğin sinir ağlarını, derin sinir ağlarına ve onları başka bir şeye değiştirmekte sorun yaşamıyorum. Üstelik algoritmanın ne bulduğuna girmeye de gerek yok.
Peki sorun nedir?
Ve yukarıdaki yazılarınızda yazdığınız şeyde: tahmin edicilerin doğru seçimi. Şunu da eklemek isterim. Tahmin edicilerin uygun şekilde ön işlemden geçirilmesi. Bu bir beceridir. Kitap okumanın bir sonucu olarak bu beceriye sahip olacaksınız, yani bunu kendiniz düşündünüz.
Peki ya benim kitabım? Tüm sorunun yüzeysel bir incelemesi. Aynı zamanda size bir sonucu garanti ediyorum: ticaret için yeterli düzeyde birkaç modelde akıcı olacaksınız, bu modelleri gerçekten araştırmadan, her türlü perseptron, katman, bugging ve bousting - tüm bunlar sizin için gereksiz olacak.
Tamamen farklı bir yaklaşım.
Bu yöntemleri ticarette kendiniz kullanıyor musunuz? Ve sonuçları ne oluyor? Ciddiyim, en azından sonuçları ima edin. Örneğin, kitap yazmama gerek kalmayacak kadar kazandım, Nice veya Bahamalar'da bir villa aldım ve şimdi tatildeyim, hayırseverlik yapıyorum, kitapları ücretsiz dağıtıyorum.
Bir dizi öngörücü bulmayı başarırsanız, listenizi gerçekleştireceksiniz.
NOT.
Peki ya kitap? Hoş bir parti toplamanızı sağlar ve fiyat, kase arayanların önünü keser.
Söyleyin bana, Out Of Sample'dan en az bir alıntı yapmak mümkün değil mi?
NOT. Size bir e-posta gönderdim.
Söyleyin bana, Out Of Sample'dan en az bir alıntı yapmak mümkün değil mi?
NOT. Size bir e-posta gönderdim.
Makalemin 5.3 bölümündeki Tablo 2. Rattle() paketi ALE'yi otomatik olarak ve makalede gösterilen diğer çok faydalı bilgileri verir. Buna ek olarak, tüm bu bilgilerin altında, rattle() olmadan bağımsız olarak kullanılabilecek program kodu üretilir. Kitabım 400 sayfa uzunluğundadır, bu nedenle rattle() ve kullandığı paketlerle ilgili orijinal belgelerde bulunmayan kullanım ideolojisi de dahil olmak üzere her şey ayrıntılı olarak ele alınmıştır. rattle bir kabuktur, bir GUI'dir.
NOT.
E-postanıza cevap verdim
Makalemin 5.3 bölümündeki Tablo 2. Rattle() paketi ALE'yi otomatik olarak ve makalede gösterilen diğer çok faydalı bilgileri verir. Ayrıca, tüm bu bilgiler rattle() olmadan bağımsız olarak kullanılabilecek program kodu üretmek için kullanılır. Kitabım 400 sayfa uzunluğundadır, bu nedenle rattle() ve kullandığı paketlerle ilgili orijinal belgelerde bulunmayan kullanım ideolojisi de dahil olmak üzere her şey ayrıntılı olarak ele alınmıştır. rattle bir kabuktur, bir GUI'dir.
NOT.
E-posta cevaplandı
MT4'te Örnek Dışı testi kastetmiştim - tamamen modelden elde edilen kar ilgi çekicidir. Diyelim ki pratikte %17...20'lik bir hata ile + veya - zikzak başka bir büyük boşaltıcıya dönüşebilir.
PS. e-posta yakalandı, umarım yakında ödeme yapabilirim (paranın birikmesini beklemem gerekir)
MT4'te Örnek Dışı testi kastetmiştim - tamamen modelden elde edilen kar ilgi çekicidir. Diyelim ki pratikte %17...20'lik bir hata ile + veya - zikzak başka bir büyük boşaltıcıya dönüşebilir.
PS. e-posta yakalandı, umarım yakında ödeme yapabilirim (paranın birikmesini beklemem gerekir)