特定の株式や ETF の「先行指標」となる可能性のあるアイデアを見つけてテストするのに役立ちます。 1 日先の指標のみ。市場の「機械」を探索し、アイデアをすぐにバックテストしてください。

これらのタイプの単純なモデルの場合、バックテストで長期間にわたって 60% 以上の方向精度が達成された場合、それはかなり良いと見なされます。私たちのバックテストには、同じ日数のバックテストでコインを投げることによって、モデルのレベルの精度を達成する可能性を確認するメトリクスがあります。たとえば、コイントスで 10 問中 6 問正解する確率 (60%) は、コイントスで 100 問中 60 問正解する確率 (60%) よりもはるかに高くなります。正解率と、このレベルの正解率を達成するまでの時間も確認する必要があります。ランレングス プロットは、モデルが時間の経過とともに良くなっているのか悪くなっているのかを示します。

通常、Forecast の品質は Fit の品質よりも悪いため、混乱を避けるためにモデルの Fit の品質については報告しません。したがって: 常にバックテストを行って、Forecast の品質を見積もります。

このアプリは、関連する株式の前日の始値と終値の関数として、特定のターゲット株式の (終値から始値) 価格方向 (つまり、今日の価格移動) をモデル化します。 ETF が Google Finance の履歴データで利用可能な場合は、ETF でも機能します。

最新の機能をチェックしてください: K-nearest 分類子モデルの寄与度の低い変数の除外により、オーバーフィッティングを減らし、予測の質を改善する可能性があります (いつものように、最も倹約的なモデルを検索し、「可能な限り単純にしますが、より単純にはしません...」 ）、先行指標候補としてのボラティリティの使用。

いくつかの使用例:

- ええ...