Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1281
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
Versuch der Regression
nur dann handeln, wenn die Prognose eine hohe Korrelation mit dem Preis über N Balken aufweist.
Ist das ein Trend? Wenn Sie verstehen, dass es sich um einen Trend handelt, ist dieser bereits am Ende und es ist an der Zeit, auszusteigen, anstatt einzusteigen.
Die Regression (wie sie der Wald durchführt) wird getestet, aber erst später.
Ist das ein Trend? Wenn man merkt, dass es sich um einen Trend handelt, geht er zu Ende und es ist an der Zeit, auszusteigen, nicht einzusteigen.
Nun, sie haben es so geschrieben, ich weiß nicht... metaphorisch, sie dachten, es sei so schwer zu verstehen.
Ich bleibe bei meiner Meinung: Es gibt zwei unbestreitbare Verwandte des ehrwürdigen KsanKsanych (Fa). 1) Aljoschenka, der Sohn, der von verärgerten Investoren aufgegriffen wurde, und 2) Enkel Kesha, der jedem, der die Werke seines Großvaters liest, Milliarden verspricht.
Bitte verwechseln Sie die beiden nicht!
Bitte vergleichen Sie SanSanych nicht mit Aljoscha, Wizard usw. SanSanych ist ein Profi, während Aljoscha und Wizard Forex-Demotivatoren sind, die ein paar hundert Dollar verloren haben und sich über die ganze Welt ärgern. Ich bin kein Enkel von SanSanych, ich respektiere ihn nur und finde seinen Artikel sehr nützlich, was man von den Artikeln und Lehren des Gestüts Konyukh nicht sagen kann, der Referenzen und Begriffe sammelt, um wissenschaftlich zu wirken, aber in Wirklichkeit ist er eine Null ohne Stock.
Auf der Ausbildung ein, wie die Bäume sind untrainiert. Bei übertrainierten Bäumen hätte man den Testbaum verwenden sollen, da sich der Baum auch an den Lärm erinnert hätte.
Bei ungeübten Bäumen spielt das keine Rolle.
Aber die Größe der Stichprobe spielt eine Rolle. Je größer sie ist, desto repräsentativer ist sie. Und mein Übungsgelände ist dreimal so groß.
---------
Aus dem https://www.mql5.com/ru/blogs/post/723619 Tutorial geht hervor, dass eine große repräsentative Stichprobe den Ausgleich zwischen den Klassen unnötig macht und die zeitliche Zufälligkeit reduziert. Übertragen Sie dies auf die nicht ausgebildeten Bäume.
Aber vielleicht liege ich ja falsch und muss die Signifikanz der Prädiktoren auf einer Testfläche prüfen.
Wie lässt sich feststellen, ob ein Baum (ein Wald von Bäumen) bereits trainiert ist oder nicht?
Ich denke, dass die Methodik in jedem Fall darin bestehen sollte, die Stabilität des Baums an verschiedenen Proben zu überprüfen (wie sich diese Stabilität an verschiedenen Teilen der Probe/n ändert), zu trainieren und zu testen. Andernfalls misst man jegliches Rauschen, das gut auf der Historie liegt, d.h. man findet keine Regelmäßigkeiten mit Hilfe eines Baumes, man beschreibt nur die Historie der Preisbewegung und beliebige Prädiktoren reichen aus - Hauptsache, sie sind stabil und häufig.
Ich bin auf der Suche nach Mustern (Blätter oder Mini-Catbust-Muster), die vorzugsweise jedes Jahr (2014-2018) profitabel sind und einige zusätzliche Kriterien erfüllen.
Kesha-Enkel, lass mich noch einmal einen Blick auf die "Trends" werfen, denn alle Witzbolde wurden verbannt, nur du bist übrig geblieben
Wie prognostizieren Ihre Wälder Trends? sagen Sie es mirWie lässt sich feststellen, ob ein Baum (ein Wald von Bäumen) bereits trainiert ist oder nicht?
Ich denke, dass die Methodik in jedem Fall darin bestehen sollte, die Stabilität des Baums an verschiedenen Proben zu überprüfen (wie sich diese Stabilität an verschiedenen Teilen der Probe/n ändert), zu trainieren und zu testen. Andernfalls misst man jegliches Rauschen, das gut auf der Historie liegt, d.h. man findet keine Regelmäßigkeiten mit Hilfe eines Baumes, man beschreibt nur die Historie der Preisbewegung und beliebige Prädiktoren reichen aus - Hauptsache, sie sind stabil und häufig.
Ich bin auf der Suche nach solchen Regelmäßigkeiten (Blätter oder Mini-Catbust-Muster), die möglichst jedes Jahr (2014-2018) Gewinn bringen und einige weitere Kriterien erfüllen.
Stabile und häufig auftretende Prädiktoren im Zusammenhang mit Zielen sind Muster.
Stabile und häufig vorkommende wissenschaftliche Begriffe in Beiträgen, die nichts mit den Ergebnissen zu tun haben, sind höchstwahrscheinlich überlernt:)
Stabile und häufige Prädiktoren im Zusammenhang mit den Zielen sind Muster.
Stellen Sie sich vor, der Prädiktor ist Tag/Nacht, und Sie haben beispielsweise tagsüber mehr als 1 in Ihren Zielen, ist das ein guter Prädiktor? Oder es geht nicht um den Tag, sondern um die Tatsache, dass wichtige (den Markt betreffende) Nachrichten häufiger tagsüber als nachts veröffentlicht werden.
Und die ständigen und häufigen Sci-Fi-Begriffe in Beiträgen, die nichts mit den Ergebnissen zu tun haben, sind eher ein Zeichen für Überlernen:)
Ich glaube nicht, dass es angebracht ist, einen Mann zu verurteilen, der hier viel für die MO tut...
Kesha-Enkel, lass mich noch mal einen Blick auf die "Trends" werfen, sonst wurden alle Possenreißer verbannt, nur du bist übrig geblieben
Wie können Ihre Wälder Trends vorhersagen?Ich bin OK, stabile 10-15% Fehlerquote, bei Tests. Im realen Handel ist alles durcheinander und undefiniert, aber ich bin ein Risikoträger im Gegensatz zu Ihnen und ähnlichen Stallburschen, die auf dem Rücken ihrer alten Eltern sitzen.
Wie lässt sich feststellen, ob der Baum bereits trainiert ist oder nicht (ein Wald von Bäumen)?
Ich beschränke den Baum auf 1 Zeile:
samples++; if(samples < 20){ dann den Knoten nicht mehr unterteilen, sondern das Blatt belassen}
d.h. es müssen mindestens 20 Proben im Blatt verbleiben, um repräsentativ zu sein.
Das ist die ganze Veröffentlichung, um die Sie gebeten haben)))
Der Grad der Unterbesetzung, d.h. die Anzahl der Beispiele auf dem Blatt kann beliebig 10, 100, 1000 oder optimiert sein. In xgboost heißt es min_child_weight