Обновление библиотеки моделей
Сообщение от автора программы:
Доступно очередное обновление для версии Terra. По результатам бэктестинга инструмента SNP500, с 1950 года, подготовлена очередная модель.
Цель (индикатор), задаваемая при тестировании, была следующей: 5% detrended zigzag - > верхние/нижние поворотные точки для SNP500.
Модель гибридная (совмещает в себе различные направления прогноза), работаем с ней следующим образом:
Запускаем FM-библиотеку (это новая версия):
Выбираем модель для SNP (я закончил ее несколько дней назад):
Далее, выбираем в настройках этот фильтр:
Когда мы выбираем этот фильтр, таблица нам показывает нам лучшую модель в каждой категории. Например, лучшая динамическая модель (только одна динамическая модель) - первая строка. Следующая строка в таблице - лучшая модель FAM и т. д.
Теперь выбираем
2-3 лучшие модели:
Программа построит ОДНУ нейросетевую модель, сочетающую в одном флаконе динамическую и FAM-модели. Другими словами, в качестве входных данных будут использоваться события обеих моделей.
Мы называем такой подход работой с гибридными моделями. Раньше я избегал создавать гибридные модели (например, когда в одной модели есть результаты от spectrum + astro или Dynamic+FAM и т. д.). Теперь же у нас есть возможность делать фильтрацию результатов тестирования, для всех полученных моделей, так что, возможно, гибридные модели будут сейчас работать.
Доступно очередное обновление для версии Terra. По результатам бэктестинга инструмента SNP500, с 1950 года, подготовлена очередная модель.
Цель (индикатор), задаваемая при тестировании, была следующей: 5% detrended zigzag - > верхние/нижние поворотные точки для SNP500.
Модель гибридная (совмещает в себе различные направления прогноза), работаем с ней следующим образом:
Запускаем FM-библиотеку (это новая версия):
Выбираем модель для SNP (я закончил ее несколько дней назад):
Далее, выбираем в настройках этот фильтр:
Когда мы выбираем этот фильтр, таблица нам показывает нам лучшую модель в каждой категории. Например, лучшая динамическая модель (только одна динамическая модель) - первая строка. Следующая строка в таблице - лучшая модель FAM и т. д.
Теперь выбираем
2-3 лучшие модели:
Программа построит ОДНУ нейросетевую модель, сочетающую в одном флаконе динамическую и FAM-модели. Другими словами, в качестве входных данных будут использоваться события обеих моделей.
Мы называем такой подход работой с гибридными моделями. Раньше я избегал создавать гибридные модели (например, когда в одной модели есть результаты от spectrum + astro или Dynamic+FAM и т. д.). Теперь же у нас есть возможность делать фильтрацию результатов тестирования, для всех полученных моделей, так что, возможно, гибридные модели будут сейчас работать.