การใช้การเรียนรู้แบบมีผู้สอนเพื่อปรับปรุงกลยุทธ์ครอสโอเวอร์ค่าเฉลี่ยเคลื่อนที่โดยการคาดการณ์การเปลี่ยนแปลงในราคาปิดของ Ethereum ด้วยการจำแนกประเภทไบนารี ในโลกของการซื้อขาย ตัวชี้วัดประสิทธิภาพที่ดีที่สุดสำหรับโมเดลการเรียนรู้ของเครื่องคือว่าโมเดลนี้มีส่วนช่วยในการสร้างผลกำไรมากน้อยเพียงใด เป็นไปได้ที่จะปรับให้เหมาะสมเพื่อความเสถียรของกลยุทธ์ อัตราการชนะ การขาดทุนที่ลดลง แต่ % ผลตอบแทนจะต้องเป็นบวก ดังนั้นในโพสต์นี้..

นี่คือซีรีส์บล็อกต่อของฉัน การซื้อขายอัลกอริทึม 101: ตั้งแต่ผู้เริ่มต้นจนถึงมืออาชีพ หากคุณเคยซื้อขายในตลาดหุ้น คุณน่าจะคุ้นเคยกับการวิเคราะห์ทางเทคนิคแล้ว การวิเคราะห์ทางเทคนิคเป็นแนวทางปฏิบัติที่เกี่ยวข้องกับการใช้ข้อมูลราคาและปริมาณในอดีตเพื่อระบุรูปแบบและตัดสินใจซื้อขาย มันเป็นเครื่องมือสำคัญสำหรับเทรดเดอร์ที่ต้องการ...

วิธีการกั้นสามชั้นและเทคนิคการติดป้ายกำกับเมตาถูกนำมาใช้ร่วมกันในหนังสือ Advances in Financial Machine Learning โดย Marcos Lopez De Prado ดูเหมือนว่าการรวมกันของเครื่องมือทั้งสองนี้จะทำให้พอร์ตโฟลิโอของคุณเติบโตหรือมีเสถียรภาพมากขึ้น ในโพสต์นี้ ฉันจะอ้างอิงผลการวิจัยเก่าของฉัน...

วิธี “PVSRA” มักใช้โดยเทรดเดอร์ที่มีเลเวอเรจสูงและก้าวร้าวในกรอบเวลาที่ต่ำกว่า เพื่อระบุความตั้งใจของ “ผู้ดูแลสภาพคล่อง” วิธีการนี้รวมเอาปริมาณและค่าเฉลี่ยเคลื่อนที่แบบเอกซ์โปเนนเชียลไว้ในแท่งเทียน OHLC ซึ่งเพิ่มโอกาสในการจับสถานะซื้อที่มีกำไรจากการเคลื่อนตัวเป็นขาขึ้นหรือสั้นลงที่ขาลง การซื้อขายแบบอัลกอริทึมได้รับความนิยมเพิ่มมากขึ้น และ Python เป็นหนึ่งในตัวเลือกอันดับต้น ๆ สำหรับการเขียนโปรแกรมบอทการซื้อขายเพื่อดำเนินการหรือทดสอบกลยุทธ์ มาดำดิ่งกัน นำเข้าข้อมูล ฉันใช้แพ็คเกจ..