- 热门话题查看更多
5.8万 热度
11.2万 热度
23万 热度
16.7万 热度
1.8万 热度
- 置顶
- 🍁 金秋送福，大奖转不停！Gate 广场第 1️⃣ 3️⃣ 期秋季成长值抽奖大狂欢开启！
总奖池超 $15,000+，iPhone 17 Pro Max、Gate 精美周边、大额合约体验券等你来抽！
立即抽奖 👉 https://www.gate.com/activities/pointprize/?now_period=13&refUid=13129053
💡 如何攒成长值，解锁更多抽奖机会？
1️⃣ 进入【广场】，点头像旁标识进入【社区中心】
2️⃣ 完成发帖、评论、点赞、社群发言等日常任务，成长值拿不停
100% 必中，手气再差也不亏，手气爆棚就能抱走大奖，赶紧试试手气！
详情： https://www.gate.com/announcements/article/47381
#成长值抽奖赢iPhone17和精美周边# #BONK# #BTC# #ETH# #GT# - 🎯 Gate 广场用户体验问卷进行中 👉 https://www.gate.com/zh/questionnaire/7086
✅ 完成问卷即可参与抽奖，10 位幸运用户将获得 Gate X Red Bull 随行杯
⏰ 还没参与的朋友别错过啦～
🙏 你的反馈对我们优化广场非常重要，感谢支持！
📅 表单开放时间：9/19 – 10/9
预测说明:
我认为1小时及以上的K线图应该使用ridge，但当你使用1分钟/5分钟的K线图时，通常发现XGBoost更胜一筹。
5分钟需要一些仔细的调校，但1分钟，尤其是秒数，你会看到XGBoost通过更好的模型在你的信息系数上额外提升0.01-0.025。
XGBoost非常酷，因为你可以避免NaN值(，这通常是回测中的一个问题，即不同的数据集可用性用于回溯，一个提供者可能有10年，另一个2)。
当然，你可以进行插值，但这并不是最现实的方法，技术上来说，它具有前视性，因为你提前揭示了特征的均值/中位数。你也可以使用一种无前视的均值，但仍然...
对于线性内容，如果你无法承受1小时及更高时间框架的拟合，并且想处理NaN，你最好的选择是进行IC加权集成，并在出现NaN时重新计算权重(确定各特征的IC以及哪些特征在集合中时，确定应该是什么权重并不是特别昂贵)。