交易中的机器学习：理论、模型、实践和算法交易 - 页 3056

新评论
 
mytarmailS #:
这是一行代码。

你应该自己做，只为你自己，这样你就不会自欺欺人....。
所以很奇怪，你还是不知道，或者你????:)但我们不需要知道它:)

有关于这个话题的内容吗？读起来很有趣。
没有 - 谢天谢地
 
Maxim Dmitrievsky #:
有这方面的信息吗？真有趣
没有，感谢上帝。

这不是正题吗？

有什么好笑的？
 
Maxim Dmitrievsky #:

我猜是在 matstat 层面上。如果几个模型在新数据（验证子样本）上对同一事物的预测平均都是错误的，那么这根本就是不可预测的，应转为 "不交易"。

您可以将特定的时间和相应的符号/信号值视为 "同一件事"。

有时会进行重新拼接（扔掉垃圾），得到一床有洞的被子。然后将剩下的被子进行分类，并缝上一些洞，这样就得到了一些小被子--形状规则、有图案的小岛。之后，对每一床小被子进行训练，不再丢弃任何东西。


通过这种方法，过度拟合有助于快速识别可预测的孤岛。同时也避免了重新拟合。


例如，我在下午发现了持续 30 分钟的持久模式。

 
fxsaber #:

有时，我还会重新叠被子（把垃圾扔进被子里），得到一床有洞的被子。然后，我把剩下的被子进行分类，再把一些破洞缝起来，这样就得到了小被子--形状规则、有图案的小岛。之后，在不丢弃任何东西的情况下对每一床小被子进行训练。


通过这种方法，过度拟合有助于快速识别可预测的孤岛。同时，这也有助于摆脱过度拟合。


例如，我发现了下午持续 30 分钟的持久模式。

难道毛球已经骑在小毯子上了？:)
 
Maxim Dmitrievsky #:
毛球在小毯子上滚来滚去了吗？:)

是的，否则，重点就溜走了。

 
fxsaber #:

是的，否则，重点就溜走了。

在比较无培训和有培训的子样本时，也可以通过 ols 回归系数（对 "治疗 "效果的估计）来表示。

有培训的样本 T=1，无培训的样本 T=0，平均值就是是否有培训效果的差异。

我在因果推论方面还是个菜鸟。


 
Maxim Dmitrievsky #:

在比较未接受培训和接受培训的子样本时，也可以通过 ols 回归系数（估计 "处理 "效果）来表示面包。

T=1 个样本接受了培训，T=0 个样本没有接受培训，平均值是平均是否有培训效果的差异。

我在联想方面有一个弱点。我对 ME 一无所知。

我还是喜欢因果推论。

这只是一种糟糕的交流形式，你很奇怪。绝对是深入思考的好动力--真是被市场踢爆了牙。

 

图形由随机函数生成


是否可以从真正的????

所有蜡烛图配置、eskimo、接管...都在这里。

library(quantmod)
library(xts)

len <- 20000

times <- seq(as.POSIXct("2016-01-01 00:00:00"), length = len, by = "sec")

random_prices <- cumsum(rnorm(len))
s <- as.xts(random_prices,order.by = times)
s <- to.period(s,period = "minutes",k = 5,indexAt = 'startof')

chart_Series(s)


什么是真实的，什么是心灵的幻觉？


而我的作者的精确输入技术在那里也是有效的，在随机中！！这怎么可能?????

 

您可以建立各种趋势和不同情况的模型，然后计算 TS 的参数。


 

"身披烛台 "的正弦模型

什么是两个正弦曲线模型上的烛台反转？

它是指波动率在主要波段中跌至统计低点。

您可以在此了解什么是趋势入口。

1...304930503051305230533054305530563057305830593060306130623063...3399
新评论