Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1114
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Na ja, du weißt schon... Ich verwende die Kurve auch, um zu entscheiden, welches Modell ich verwenden soll. Was nützt ein Modell, wenn es 90 % der gewinnbringenden Geschäfte tätigt und in den entscheidenden Momenten schrecklich verliert. Die Art der Ausgleichskurve spielt eine Rolle. Natürlich wird das nicht ausreichen, aber ich werde trotzdem eine Vorstellung davon haben.
Wie viele Daten benötigen Sie für die Ausbildung????
Wenn es eine Korrelation gibt, wird die Maschine sie finden.
Es gibt nie genug Daten - je mehr, desto besser.
es war das 10. Jahr der Beherrschung des Optimizers...
aber glückliche Menschen schauen nicht auf die Uhr))) urkomisch...
Lassen Sie uns wirklich darüber nachdenken....
Alle aktuellen Metriken geben die aktuelle Qualität der Ausbildung an und sagen nichts über die zukünftige Leistung des Modells aus. Das heißt, dass ein großartiges Ergebnis mit der besten Metrik keine Garantie für zukünftige Qualitätsergebnisse ist. Deshalb bin ich der festen Überzeugung, dass es neben der Trainings- und Validierungsphase auch eine Testphase geben muss, um die Leistung des Modells zu bewerten und zu entscheiden, ob es geeignet ist oder nicht. Wenn man es durch den Prozentsatz betrachtet, dann sollte die Inspirationsstichprobe aus Training/Validierung/Kontrolle als 45/45/10% bestehen, IMHO ist es das, was ich im Optimierer sehen möchte. So dass nach dem Erwerb des Modells, wenn das Lernen mit Blick auf die Test-Sektor geht, wurde es getestet und wenn die Bewertung zufriedenstellend war, dann das Lernen gestoppt mit der Möglichkeit, das Modell zu speichern und wenn die Kontrolle fehlgeschlagen ist, dann beginnen wir mit dem Training wieder und wiederholen, bis das gewünschte Ergebnis wurde auf dem Test-Sektor oder nach einer bestimmten Anzahl von Training Iterationen erhalten. Das ist es, was jetzt getan werden muss.
Wir müssen das Modell auf einen Test anwenden, und wenn der Test fehlschlägt, müssen wir das Training wiederholen, und zwar 10 Mal. Das Problem besteht darin, dass der Prüfplan eine kostbare Zeitspanne der Betriebsfähigkeit des Modells auffrisst, die unmittelbar nach der Lernphase auf der OOS zu Ende geht. Und ich habe eine Variante erfunden, die ich Doc vor einiger Zeit, vor ein paar Monaten, erzählt habe, und er fand sie im Grunde ganz logisch. Aus irgendeinem Grund benutze ich es jetzt nicht, also würde ich es gerne mit Ihnen teilen, wenn Sie nichts dagegen haben....
Geben Sie die Daten mit dem Ziel aus, und wenn es eine Korrelation gibt, wird die Maschine sie finden.
Es gibt nie genug Daten - je mehr, desto besser.
Ja. Sagen wir einfach, es ist nicht viel. Ich kann eine riesige Entladung machen, aber um MT zu machen, wird es lange dauern und ich fürchte, es wird hängen, also versuche es mit dem zu trainieren, was du hast. Ich werde die Vorverarbeitung selbst vornehmen und den bereits vorverarbeiteten Datensatz veröffentlichen, ok?
Ich habe kein Problem mit dem Targeting, mache mir keine Sorgen, und der Optimierer ist in Java geschrieben. Sie glauben nicht, dass es möglich ist, so komplexe Metriken wie die von Ihnen gewünschten zu implementieren???? bitte....
Ich glaube, Sie haben mir Ihre Daten gegeben, und daraus habe ich geschlossen, dass Ihre Prädiktoren nichts mit dem Ziel zu tun haben.
Oder liege ich da falsch?
Kann ich zunächst nachweisen, dass Ihre Prädiktoren für das Ziel relevant sind?
Geben Sie die Daten mit dem Ziel aus, und wenn es eine Korrelation gibt, wird die Maschine sie finden.
Es gibt nie genug Daten - je mehr, desto besser.
Sie selbst unterteilt in Ausbildung und Oos. In der Ausbildung kannst du mit einem Q alles machen, was du willst. Du solltest uns sagen, was du aus Interesse gemacht hast. Es ist natürlich nicht notwendig zu sagen, wie und womit Sie das getan haben.
und ich werde den vorverarbeiteten Datensatz veröffentlichen, ok?
Nein nicht ok, roh + vorverarbeitet.
Ich glaube, Sie haben mir Ihre Daten gegeben, und daraus habe ich geschlossen, dass Ihre Prädiktoren nichts mit dem Ziel zu tun haben.
Oder liege ich da falsch?
Kann ich zunächst nachweisen, dass Ihre Prädiktoren für das Ziel relevant sind?
Das stimmt alles, aber seitdem habe ich eine Reihe wichtiger Änderungen vorgenommen, die die Menge an aussagekräftigen Daten erhöht haben. Vor allem, weil ich die gesamte Menge diskontiert habe, und jetzt nach der Vorverarbeitung die Anzahl der Eingaben reduziert ist und nur noch wichtige übrig bleiben. Sie können erneut versuchen,.... auszuwerten. bei Interesse!!!
Nein nicht ok, roh + vorverarbeitet.
Das spielt keine Rolle, er soll erst einmal beweisen, dass er KEINEN Lärm hat.
war in seinem 10. Jahr des Lernens Optimizer...
aber glückliche Menschen sehen nie die UhrIch bin also ein feiger Programmierer, was wollen Sie? Ich habe Eclipse ein halbes Jahr lang studiert, nur um die Fenster bequem einzurichten. Ich habe keine Helfer, ..... in diesem Forum wimmelt es nur so von Programmierern, deshalb ist alles so langsam :-(