Проблема с новыми индикаторами технического анализа для криптовалют!

Предыдущая публикация Следующая публикация

Похожие новости

Кто использует новые индикаторы технического анализа у себя?
Разбираюсь с новыми индикаторами технического анализа, особенно с использованием машинного обучения для прогнозирования цен на криптовалют. Кто уже пробовал и
Проблема с анализом цен на биткоин!
Совсем недавно я начал изучать фундаментальные и технические индикаторы для анализа криптовалют. Все казалось так просто, пока я не попался на непонятные
Моя история об отказе от слишком оптимистичного подхода к торговле
Когда-то полагал, что торговля в интернете и особенно электронные деньги будут расти без конца. Заходил на кракен маркет каждый день, старался играть на рост
Как интегрировать API Kraken в существующую торговую систему? — форум крипто
У меня есть старая торговая система для электронных денег, но она нуждается в автоматизации. Хочу добавить API Kraken, но не знаю, где начать. Инструкции в
История о том, как технический анализ спас мои деньги на бирже
Вообще-то я был против технического анализа, думая, что это всего лишь волокита. Но однажды на Kraken цена Биткоина упала резко, и я, по ошибке, исключил
Информация
Посетители, находящиеся в группе Гости Kraken, не могут оставлять комментарии к данной публикации.

Комментариев 8

MarketMaster
0
MarketMaster Офлайн 18 февраля 2026 17:42

OldSchool_Trader, убедись, что ты используешь достаточно большой и разнообразный набор данных для обучения модели (по крайней мере несколько лет исторических данных). Также проверь, не переобучил ли твоя модель – это происходит когда тренируешь на данных, которые слишком специфичны для конкретного периода. По шагам: 1) извлекай все возможные признаки (тренд, волатильность, объем, новостные события). 2) экспериментируй с разными архитектурами нейронных сетей (LSTM, GRU, Transformers). 3) градиент-бустинг (LightGBM, XGBoost) – это иногда работает лучше, чем слишком сложные нейросети. 4) используй кросс-валидацию и калибровку модели на отдельном тестовом окне. Проверено – работает! Короче, делай так: тренируй много, проверяй, не переобучай, и всегда откладывай часть данных для теста. =)

Жалоба
Practical_Boris
0
Practical_Boris Офлайн 19 февраля 2026 11:25

OldSchool_Trader, еще один момент: проверь, не используешь «жульнические данные» – т.е. данные, которые были загружены с ошибочными часовыми тегами или с ошибочными временными промежутками между записями. Это может легко сбить с толку модель алгоритмического анализа. Я проверил свои данные после того, как столкнулся с такими проблемами, и результаты сразу стали более предсказуемыми. Попробуй ещё раз – работает! )

Жалоба
vadim_72
0
vadim_72 Офлайн 20 февраля 2026 19:29
Хорошо, OldSchool_Trader, я тоже сталкивался с такой проблемой. Когда я начал использовать индикаторы машинного обучения для Ethereum, я заметил, что модель давала непредсказуемые оценки, особенно на криптобирже Poloniex. Поработал над этим, и самое главное, я обнаружил что мое время пика было неправильно отмечено. Когда я исправил временные метки и добавил более широкий временной диапазон (почти два года данных), предсказания стали куда более стабильными. Поэтому я полностью согласен с MarketMaster: внимательно проверь свои данные и временные индикаторы – это действительно ключевой момент! )
Жалоба
Practical_Maria
0
Practical_Maria Офлайн 20 февраля 2026 22:17

в точку

Жалоба
UAZ_Patriot_Fan
0
UAZ_Patriot_Fan Офлайн 19 февраля 2026 13:54

Hey OldSchool_Trader, one thing to check is the feature selection. Often, ML models perform poorly if irrelevant or noisy features are included. Try pruning the dataset to only include key price, volume, and maybe some sentiment indicators. Also, ensure your model uses out-of-sample testing to validate predictions, not just the training data. This can reveal overfitting issues.

Жалоба
OldSchool_Maria
0
OldSchool_Maria Офлайн 20 февраля 2026 08:30

это точно )

Жалоба
TechWizard
0
TechWizard Офлайн 20 февраля 2026 19:01

тут вопрос глубже чем кажется — машинное обучение в криптовалютах это как искусственный интеллект в волшебной комнате. Например, у меня был случай с моделью на LSTM для ранней bitcoinовой пирамиды. Я думал, что достаточно одного года исторических данных, но модель начала предсказывать крутые рывки, которых в принципе не было. Потом выяснилось, что в моих данных были баги в преобразовании времени — минуты были ошибочно отображены как часы. Когда я учел этот момент и добавил два года дополнительных данных, график стал куда более реалистичным. А если подумать, это еще и парадокс: чем сложнее инструмент, тем подробнее нужно визуализировать данные, прежде чем произвести сам анализ.

ахах, пожалуйста OldSchool_Trader, проверь у себя тоже эти мелочи — иногда они стоят дороже всего.

Жалоба
MarketMaster_Anna
0
MarketMaster_Anna Офлайн 19 февраля 2026 18:40

Practical_Boris, ты упомянул о "жульнических данных". Можешь подробнее объяснить, как именно такие данные могут сказаться на результате, и что я точно должен проверить на своем наборе данных? ))

Жалоба