Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1248
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
Ich denke, wenn Übertraining eine Folge des Erinnerns an den Markt aufgrund von Rauschen ist, dann erfordert das Erinnern an den Markt ein gewisses Maß an Gedächtnis in Form eines Waldes von Entscheidungsbäumen und Boosting, und Modelle wie ein einzelner Baum und ein neuronales Netz mit einer kleinen Anzahl von Neuronen sollten weniger übertrainiert werden. Dann stellt sich heraus, dass es eine kritische Menge von Daten gibt, die nicht durch, sagen wir, ein Blatt beschrieben werden kann - was ist diese 1% oder 10% Menge - der gesamten Stichprobe (Training, Test, Kontrolle) ist die Frage. Dann sollten wir vielleicht die Daten im Hinblick auf die Speichermenge bewerten, die benötigt wird, um diese Daten zu speichern, und versuchen, das Modell um eine Größenordnung kleiner als diese kritische Menge zu machen. Wie man das macht, weiß ich nicht, vielleicht sollte es etwas Ähnliches bei der Archivierung geben - wenn das Archivierungsprogramm eine Probe von 10 MB auf 1 MB komprimiert, darf das Modell nicht mehr als 102,4 KB groß sein. Und da wir wissen, dass das Modell die Stichprobe nicht einfach nur auswendig gelernt, sondern Regelmäßigkeiten darin gefunden hat, können wir den Tests an einer unabhängigen Stichprobe weniger kritisch gegenüberstehen und nicht auf ein Übertraining schließen, sondern auf einen Mangel an Daten über die Stichprobe für das Training, da es keine Situationen gab, die den aktuellen Marktzustand beschrieben, und es daher einfach keine Möglichkeit gab, ein solches Muster mit den verfügbaren Prädiktoren zu finden.
ein Muster muss einige fundamentale Voraussetzungen haben, z. B. sind einige Marktzyklen fundamental, oder die Reaktion auf Nachrichten, Intraday-Volatilität... solche Dinge
Und wenn die Regelmäßigkeiten nicht klar sind, woher sie kommen, dann ist unklar, was als Nächstes passieren wird.
Modelle auf Bäumen und befassen sich mit der Frage der Identifizierung von Mustern, ein Prädiktor sagt etwas über ein Ereignis aus und eine Menge bestimmter Ereignisse ergibt ein Muster. Es handelt sich dabei um eine Regelmäßigkeit, die nicht aus dem Bereich der physikalischen Phänomene stammt und nicht konstant sein kann, da sie von unbekannten Faktoren beeinflusst werden kann (Phänomene, die nicht durch verfügbare Prädiktoren beschrieben werden).
Im Allgemeinen geht es darum, dass statistisch wiederkehrende Ereignisse durch MO-Klassifizierungsmethoden erkannt werden, und das ist irgendwie besser, als den Markt nur mit Optimierungsindikatoren anzupassen, oder nicht?Die Korrelation zwischen der Anzahl der kurzen Röcke im Sommer und dem finanziellen Wohlstand der Bürgerinnen und Bürger mag bei 90 Prozent liegen, aber sie impliziert keine Korrelation, geschweige denn ein Muster
OK, ersetzen wir das Wort "Muster" durch "Omen" als unbestimmbaren Zusammenhang mit dem Ereignis.
Der Optimierer ist ebenfalls ein MO.
Sie setzen also die beiden Methoden gleich?
es liegt nicht an mir, sondern an der Art und Weise, wie es ist... der Optimierer minimiert jede f-Funktion, der Optimierer des neuronalen Netzes optimiert die f-Funktion der Gewichte
Wenn wir nur über die Optimierung von TC-Filtern sprechen, können wir uns teilweise auf dieselben Maßnahmen einigen, aber wenn auch der Eingangs-/Ausgangspunkt optimiert wird, dann ist die Situation etwas anders als bei der üblichen Vorgehensweise.
In diesem Zusammenhang ist es notwendig, Data-Mining und Anwendung auf die Märkte zu studieren, wenn es überhaupt möglich ist, weil Data-Mining 1 Kurve ist auch eine Art der Spitze der dümmsten, aber einige Informationen extrahiert werden können )
Zu studieren, um sich in einem anderen Bereich zu bewerben?
zu verstehen, wie man etwas Nützliches aus den Daten herausholen kann
Ich habe also vorhin festgestellt, dass ich etwas Nützliches herausgefunden habe - vielleicht ist es ein Goldkorn, vielleicht ist es ein Zufall... wer weiß... und es gibt keine Möglichkeit, das mit Sicherheit zu wissen.
So wird es gemacht - es wird verallgemeinert. "Patterns" sind Muster, die aus verschiedenen Proben gefunden wurden... Sie haben also gerade eine Trendstichprobe angepasst und geben uns jetzt eine Kopfschmerzen))))) Dennoch müssen Sie die Daten sorgfältig vorbereiten, denn die Idee... Sie mögen zwar narrensicher sein, aber es ist unwahrscheinlich...
Ich hatte eine Ausbildung für die Jahre 2016-2017 und habe dann einfach die Blätter für die Jahre 2014-2018 überprüft und diejenigen ausgewählt, die jedes Jahr profitabel waren und eine Reihe anderer Kriterien erfüllten (Gesamtwachstum/kein größerer Drawdown). Ich frage mich also, ob ein solches Modell verwendet werden kann.
Wie für die Kombination von verschiedenen Instrumenten, so viele Prädiktor hier ist der Gewinn in Pips über verschiedene Zeitintervalle, und es wird nicht funktionieren mit verschiedenen Instrumenten ...
Alle Märkte sind natürlich unterschiedlich, ebenso wie die Muster, und was für den einen funktioniert, ist für den anderen ein Verlust.
Um etwas anzunehmen, muss man etwas als Grundlage für eine solche grobe Annahme annehmenIch gehe also davon aus, dass das Thema überall dasselbe ist - ein Händler, warum sollte er also sein Verhalten je nach Instrument ändern? Wenn er die technische Analyse oder eine andere Methode anwendet, aber diese Methode überall einsetzt, ist es anders, als wenn er eine Reihe von Methoden zu verschiedenen Zeiten anwenden kann, und es ist einfacher, eine Methode an ein Instrument anzupassen, und wenn der Händler (kollektives Bild) zu einer anderen Methode wechselt, wird das Modell zerbrechen.