Тестирование Систем прогнозирования в реальном времени - страница 82
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
Моделирование тиков...Думаю минуток хватает с головой для профитной торговли (исключения - движения во время новостей, на которых лучше не работать). Наша задача, ну вернее твои исследования, спрогнозировать направление, примерную траекторию и ориентир в плане конечной точки расчёта.
Удачи в исследованиях!
P.S. Обалдеваю от самой возможности подобных прогнозов.
Концептуально я понял, где главная ошибка - в неточном определении длины исторического временного ряда, максимально влияющего на будущее, т.е. "память" ряда.
Почему-то у меня получилось оптимально 4000-4500 бар при мин.ошибке на тестовом мн. ну и так-же рез.прогноза лучше на М15 чем на Н1 (визуально по графику)
Моделирование тиков...Думаю минуток хватает с головой для профитной торговли (исключения - движения во время новостей, на которых лучше не работать). Наша задача, ну вернее твои исследования, спрогнозировать направление, примерную траекторию и ориентир в плане конечной точки расчёта.
Удачи в исследованиях!
Спасибо огромное за пожелание! Уверен, что все получиться :о)
P.S. Обалдеваю от самой возможности подобных прогнозов.
Я вот всегда говорил, нельзя ограничивать природу в возможностях ее проявления, тем более, часто не донца ее понимая. Ограничивая природу (невозможностью чего то) - тем самым мы ограничиваем себя и тогда точно, - шансов что то найти нет никаких.
Почему-то у меня получилось оптимально 4000-4500 бар при мин.ошибке на тестовом мн. ну и так-же рез.прогноза лучше на М15 чем на Н1 (визуально по графику)
Я беру ряд в 25000 отсчетов, в котором начинаю поиск "памяти". Оказывается, существует несколько уровней памяти рынка, т.е. в буквальном смысле "кратковременная" и "долговременная". Серьезная ошибка вылезает при прогнозе на короткое расстояние (около сток) при использовании "длинной памяти". В общем, теория пока в зачаточном состоянии у меня, работаю. :о)
Я вот всегда говорил, нельзя ограничивать природу в возможностях ее проявления, тем более, часто не донца ее понимая. Ограничивая природу (невозможностью чего то) - тем самым мы ограничиваем себя и тогда точно, - шансов что то найти нет никаких.
Ага, а не ограничивая, есть здоровый шанс заблудится насмерть в бесконечных вариантах реализации.
Должно быть есть оптимальное поведение в этом режиме поиска, и вот вопрос - каков он этот оптимум?
Приблизительно, это то, что и имел в виду о том, что система "схватила длинную память":
to Neutron
Тоже верно, тут чутье и интуиция нужны :о)
Доброго всем дня!
Картина по даксу на данный момент слишком противоречива:
Вероятнее всего - открытие с гепом в сторону роста, далее небольшой рост и, как главное движение, падение.
Но я бы воздержался сегодня от торговли.
Здравствуйте! Я в этом деле новичок! Решил выложить прогноз по EUR/USD который у меня получился, надеюсь что кто-то укажет на мои ошибки если они есть =)
сократив количество баров, получился вот такой прогноз! Прогноз обеих индикаторов идентичен, прямо глаз радует, но на сколько они правы время покажет
А не подскажите на что обращать внимание при оптимизации(обучении) в порядке приоритета:
1.Средняя квадратичная ошибка на обучающем множестве
2.Максимальная квадратичная ошибка на обучающем множестве
3.процент (или количество) распознанных примеров при заданном минимальном значении ошибки на обучающем множестве
4.Средняя квадратичная ошибка на тестовом множестве
5.Максимальная квадратичная ошибка на тестовом множестве
6.процент (или количество) распознанных примеров при заданном минимальном значении ошибки на тестовом множестве
Zar писал(а) >>
А не подскажите на что обращать внимание при оптимизации(обучении) в порядке приоритета:
1.Средняя квадратичная ошибка на обучающем множестве
2.Максимальная квадратичная ошибка на обучающем множестве
3.процент (или количество) распознанных примеров при заданном минимальном значении ошибки на обучающем множестве
4.Средняя квадратичная ошибка на тестовом множестве
5.Максимальная квадратичная ошибка на тестовом множестве
6.процент (или количество) распознанных примеров при заданном минимальном значении ошибки на тестовом множестве
На оптимальную длину обучающей выборки, при которой скв на тестовой выборке минимизируется при выходе скв ошибки на обучающей на заданный уровень.