使用ROC指标100次盈利交易后，众汇才明白的道理

最新推荐文章于 2024-08-10 07:50:49 发布
最新推荐文章于 2024-08-10 07:50:49 发布
阅读量139 收藏
点赞数 1
分类专栏： WeTrade众汇 文章标签： 经验分享
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wetrade168/article/details/138152826
版权

使用ROC指标100次盈利交易后才明白的道理，众汇外汇认为盈利的基本就是考虑这些指标。

①.资产波动性

需要考虑到资产波动性，根据资产的波动性更改设置，设置的结果会告诉投资者这段时间的平均波动率。

②添加过滤器。交易系统的主要指标是趋势，变化率是其他反转信号的确认工具。

③多时间框架分析

分析多个时间框架。首先，在更长的时间框架内研究ROC动态。如果振荡器在较长和较短的时间框架内的方向相同，这是一个加强信号。

④随时调整

ROC指标是一个多用途的工具，但设置应根据每个市场进行随时调整。

ROC指标针对股票会更有效，因为与外汇市场相比，股票市场的特点是长期趋势、深度下跌和没有价格上限。股票价格的变化率更加稳定，没有突然的波动。因此，在校正过程中使用它来确定局部枢轴点更容易。

在大多数情况下，股票变化率清楚地显示了不同强度的趋势运动。矩形代表散度。

以上就是众汇外汇使用ROC指标100次盈利交易的经验，如果各位投资者有更好的想法欢迎评论区留言讨论!

wetrade168
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
sklearn ROC曲线使用
MrLittleDog的博客
03-03 3万+
目录ROC曲线定义绘制ROC曲线AUC定义代码讲解二分类多分类 这篇文章中我将使用sklearn的ROC曲线官方示例代码进行讲解，当然主要目的还是在于记录，好记性不如烂键盘嘛。 ROC曲线定义 ROC曲线是Receiver Operating Characteristic Curve的简称，中文名为“受试者工作特征曲线”。 ROC曲线的横坐标为假阳性率（False Positive Rate，FP...
python roc计算_ROC评价指标最全攻略及Python实现
weixin_39593498的博客
12-19 1911
​微信公众号：小白CV关注可了解更多CV，ML，DL领域基础/最新知识;如果你觉得小白CV对您有帮助，欢迎点赞/收藏/转发在机器学习领域中，用于评价一个模型的性能有多种指标，其中最常用的几项有FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(Accuracy)。在上一篇原创文章FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(...
超买超卖区使用ROC指标交易，WeTrade众汇越过这些坑盈利翻倍
wetrade168的博客
04-22 303
很多投资者都知道在超买超卖区使用ROC指标交易，能够迅速盈利，但是很多投资者尤其是新手投资者，在使用时却没有以盈利收场，那是因为踩了这些坑，今天WeTrade众汇就聊聊如何越过这些坑盈利翻倍。WeTrade众汇需要提醒的是ROC指标在平价交易中不太好用，所以最好在趋势市场中使用。②.设置止损 在足够远的地方设置止损，或者在交易开始后观察价格。如果价格与预测方向相反，可以手动移动止损点，增加止损点的长度与风险管理并不矛盾。例如，如果ROC在超买区反转，但有进一步价格上涨的基本面原因，不要急于建立卖出头寸。
【深度学习】——性能指标（ROC、MAP、AUC等）
python_AI_fans的博客
08-31 9462
一、分类任务性能指标 1、混淆矩阵 2、精确度ACCURACY = 正确数/总数 3、查全率（RECALL）——真正正样本中预测正确的比例 4、查准率（precision）——预测为正样本中的预测正确的比例 5、F-score——对查准率和查全率进行结合的一个参数 6、ROC曲线与AUC 1) 真正率：TPR——RECALL 2）假正率：FPR = FP /（TN+FP） 3)AUC——由TPR-FPR曲线（ROC）包围的面积 7、P-R曲线与AP 1）P-R曲线——Prec
统计分析之ROC曲线与多指标联合分析——附SPSS绘制ROC曲线指南
热门推荐
无名岛
10-21 9万+
       在进行某诊断方法的评估是，我们常常要用到ROC曲线。这篇博文将简要介绍ROC曲线以及用SPSS及medcal绘制ROC曲线的方法。 定义        ROC受试者工作特征曲线 （receiver operating characteristic curve，简称ROC曲线），又称为感受性曲线（sensitivity curve）。得此名的原因在于曲线上各点反映着相同的感受性，它...
ROC曲线与AUC指标
秋叶原 && Mike || 麦克
11-22 1287
本文为CSDN博主「ice110956」的原创文章，转自: https://blog.csdn.net/ice110956/article/details/20288239 ROC曲线 ROC曲线的动机 对于0，1两类分类问题，一些分类器得到的结果往往不是0，1这样的标签，如神经网络，得到诸如0.5，0.8这样的分类结果。这时，我们人为取一个阈值，比如0.4，那么小于0.4的为0类，大于等于0.4...
机器学习模型评价指标ROC-AUC
AI World
09-22 1327
文章目录混淆矩阵真正率假正率ROC-AUC理想情况 混淆矩阵 首先，在试图弄懂ROC和AUC概念之前，你一定要彻底理解混淆矩阵的定义！ 混淆矩阵中有着Positive、Negative、True、False的概念，其意义如下： 称预测类别为1的为Positive（阳性） 预测类别为0的为Negative（阴性） 预测正确的为True（真） 预测错误的为False（伪）。 对上述概念进行组合，就产生了如下的混淆矩阵： 真正率假正率 然后，由此引出True Positive Rate（真正率）、False
SVC模型评估指标与ROC曲线
weixin_60200880的博客
10-29 3944
样本不均衡是只在一组数据集中，标签的其中一类占有很大的比例，但我们有着捕捉特定的分类需求的状况。比如，我们现在要对潜在犯罪者和普通人分类，潜在犯罪者占总人口的比例是相当低的，也许只有2%左右，98%的人都是普通人，而我们的目标是找出潜在犯罪者。这样的标签分布会带来许多问题：因为对于模型而言，样本量越大的标签可以学习的信息越多，算法就会更加依赖于从多数类中学到的信息来判断。如果我们希望捕获少数类，模型就会失败，
分类器模型评价指标之ROC曲线
鹊踏枝-码农的专栏
10-15 8956
Spark mllib 自带了许多机器学习算法，它能够用来进行模型的训练和预测。当使用这些算法来构建模型的时候，我们需要一些指标来评估这些模型的性能，这取决于应用和和其要求的性能。Spark mllib 也提供一套指标用来评估这些机器学习模型。 具体的机器学习算法归入更广泛类型的机器学习应用，例如：分类，回归，聚类等等，每一种类型都很好的建立了性能评估指标。本节主要分享分类器模型评价指标。
通达信指标公式源码 MACD-ROC副图.doc
07-30
通达信指标公式是技术分析中最常用的指标之一，MACD（Moving Average Convergence Divergence，移动平均聚合离散指标）和ROC（Rate of Change，变化率）是两种常用的技术指标。本文将详细介绍通达信指标公式的源码，...
交易信号：技术指标以使用JavaScript TypeScript进行技术分析
02-15
交易信号 技术指标和叠加层，可使用JavaScript / TypeScript进行技术分析。 动机 为具有任意精度十进制算术的常见技术指标提供TypeScript实现。 特征 准确的。 不要依赖类型number及其精度限制。 使用 。 输入。 ...
ROC曲线excel及AUC值需要导出图片后另外量取
01-04
ROC曲线以第一次加权归一化后的数据作图，代表性更强。数据等分的份数越多，做出的图准确度越高，以面积占比为X轴，以灾点占比为Y轴，得出1*1方格内曲线，地质灾害风险调查评价中对易发性进行校核的excel文件，直接...
使用机器学习和 ROC 曲线进行决策-研究论文
06-09
接收器操作特征 (ROC) 曲线表示在二元分类问题中发现的统计信息，是机器学习和数据科学中的一个关键概念。 本文研究了 ROC 曲线的统计特性及其对模型选择的影响。 我们分析了不同激励异质性和信息不对称模型对人类...
R语言绘制SCI科研多指标ROC曲线源代码.zip
05-01
本资源提供了一个R语言绘制SCI科研多指标ROC曲线的源代码，可以帮助研究者快速可视化不同指标的性能。下面我们将深入探讨R语言绘制ROC曲线的基本原理、常用库以及如何利用提供的源代码进行操作。 首先，ROC曲线是...
全职独立开发经验分享
前端之虎陈随易
08-10 1167
笔者认为，所谓的产品，并不必须是一个比较正式的软件，项目，工具。以上笔者折腾过的内容，我认为，都可以称之为产品。凡是能给他人他事，带来帮助和价值的，都可以是自己的产品。一个付费课程是产品吗？是的，它能让他人学会一门技术，知识。一个微信群，每天组织读书会，是产品吗？也是。做商业推广是产品吗？是的，产品就是自己，这是打造个人IP。那么，在阅读这篇文章之前呢，我们先对产品的定义，有一个基本的共识。本文先写到这里，如果你还有想了解的话题，我会在我的个人网站进行长期更新。
1111111111111111111111
08-13
1111111111111111
javascript笔试题参考整理(答案)(可编辑修改word版).docx
08-13
javascript笔试题参考整理(答案)(可编辑修改word版)
财务收支表-公式计算查询.xlsx
最新发布
08-13
工资表，财务报表，对账表，付款申请，财务报告，费用支出表，财务收支 适用人群：学习不同技术领域的小白或进阶学习者；可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。
iris数据集，使用ROC曲线和AUC做分类评价指标
06-07
好的，针对iris数据集，使用ROC曲线和AUC来进行分类模型的评价指标如下： 1. ROC曲线 ROC曲线是用于判断二分类模型的分类能力的一种评估方法，它展示了模型在不同阈值下的真正率（True Positive Rate）和假正率（False Positive Rate）之间的关系，其中真正率等于 $TPR = \frac{TP}{TP+FN}$，假正率等于 $FPR = \frac{FP}{FP+TN}$。在ROC曲线中，横坐标为FPR，纵坐标为TPR，其图形越接近左上角，说明模型的分类能力越好。评价ROC曲线的性能通常使用曲线下面积AUC（Area Under Curve）来表示，AUC的取值范围在0.5到1之间，AUC值越接近1，代表模型的分类能力越好。 2. AUC AUC是ROC曲线下面积，是ROC曲线的一个统计量，可以用来衡量分类器的性能。AUC的取值范围在0.5到1之间，AUC值越接近1，代表模型的分类能力越好。对于iris数据集这种多分类问题，可以使用Macro-Averaging和Micro-Averaging来进行AUC的计算。 - Macro-Averaging：计算每个类别的AUC值，然后再把这些AUC值取平均作为最终的AUC值。 - Micro-Averaging：将所有的TP、FP、TN、FN加总起来，然后计算总体的TPR和FPR，再根据总体的TPR和FPR计算AUC值。 以上就是使用ROC曲线和AUC来进行分类模型评价指标的介绍，希望能对您有所帮助。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值