Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1612
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 beschäftige mich seit einem halben Jahr mit solchen Strategien, das maximale Ergebnis bei Backtests ist x5 für ein Jahr, aber einmal im Jahr bin ich sicher, dass ich alles verliere und es ist unmöglich, dieses Problem zu lösen.
Ja, nun... Es ist eine Schande für die Menschen.
Was hat es also mit der Übertragung Ihres Systems auf sich?
Ja, nun... Es ist eine Schande für die Menschen.
Was hat es also mit der Übertragung Ihres Systems auf sich?
Ich lief das System in der Tester für die letzte Woche und war wieder einmal davon überzeugt, dass "Hilfe" setzen Filter usw. führt zu der Tatsache, dass die Mühe auf die Ausbildung des Systems diese "Hilfe" führt nur zu einem negativen Ergebnis und dieses Ergebnis auf bekannten und trainierten Daten, was zu sagen, wenn die Daten in Echtzeit (roh) kommt.
Ich lief das System im Tester für die letzte Woche und war wieder einmal davon überzeugt, dass "helfen", um Filter zu setzen, etc. führt zu der Tatsache, dass der Aufwand für die Ausbildung des Systems diese "Hilfe" führt nur zu einem negativen Ergebnis und dieses Ergebnis auf die bekannten und trainierten Daten, was zu sagen, wenn die Daten in Echtzeit (raw) kommt.
Wir haben zwei Vektoren von Variablen, die aktuelle Kerze und die vorherige ("-1")
a = "offen", "hoch", "niedrig", "schließen", "Mitte"
b = "open-1", "high-1", "low-1", "close-1", "center-1"
die Variable "center" ist die Mitte der Kerze (high+low)/2, ohne diese Variable ist es unmöglich, ein Muster wie "eskimo" etc. zu beschreiben. Ich denke, die Bedeutung der anderen Variablen ist nicht notwendig zu erklären, sie sind offensichtlich.
Erstellen wir also alle möglichen logischen Kombinationen (die auch nicht-logisch sein können).
Nur zwei Kerzen, miserable zwei Kerzen.....Meine Güte, ich weiß gar nicht, was ich sagen soll. Bibliotheken über neuronale Netze sind so zugänglich geworden, dass die Menschen sogar den gesunden Menschenverstand vergessen, oder was?
Es ist offensichtlich unsinnig, Entitäten zu vervielfältigen, während in allen anfänglichen Handbüchern über jede Art von Analyse geschrieben steht, dass es notwendig ist, redundante Entitäten loszuwerden, um Ergebnisse zu erzielen.
Nun, wenn Sie Variablen erstellen, wenn sie um eine Zahl, um zwei, um ein Drittel usw. höher ist, dann können zwei Kerzenständer 1000 ergeben)))
Wenn Sie der Meinung sind, dass das Prädiktorenverhältnis so wichtig für Ihr Modell ist und unbedingt mit dem Input gefüttert werden muss, dann erstellen Sie eine Art Faltungsschicht, aber um die Prädiktoren zu multiplizieren, ja...
Mann, ich weiß gar nicht, was ich sagen soll. Die Bibliotheken der neuronalen Netze sind so zugänglich geworden, dass die Menschen den gesunden Menschenverstand vergessen haben, oder was?
Es ist offensichtlich unsinnig, Entitäten zu vervielfachen, wenn alle grundlegenden Handbücher für jede Art von Analyse besagen, dass es notwendig ist, unnötige Entitäten los zuwerden, um Ergebnisse zu erhalten.
Nun, wenn Sie Variablen erstellen, wenn sie um eine Zahl, um zwei, um ein Drittel usw. höher ist, dann können zwei Kerzenständer 1000 ergeben)))
Wenn Sie der Meinung sind, dass das Prädiktorenverhältnis so wichtig für Ihr Modell ist und Sie es unbedingt mit dem Input füttern müssen, dann erstellen Sie eine Art Faltungsschicht, aber um die Prädiktoren zu vervielfachen, blablabla...
oops.... Kinder....
Um überflüssige Einheiten loszuwerden, müssen Sie zuerst verstehen, was überflüssig ist! Können Sie aus 1000 Bewerbermerkmalen die 5 wichtigsten mit dem Auge auswählen?
oops.... Kinder....
Um überflüssige Einheiten loszuwerden, müssen Sie zuerst verstehen, was überflüssig ist! Um es zu verstehen, müssen Sie die Optionen durchsehen! Oder kennen Sie einen anderen Weg? Können Sie aus 1000en von Anwärtern 5 bedeutende mit dem Auge auswählen?
Sie haben eine Menge Arbeit geleistet, viel Material studiert und viel Zeit investiert. Was bringt es, wenn Sie versuchen, Ihre Meinung zu ändern...
Sie haben eine Menge Arbeit geleistet, viel Material studiert und viel Zeit investiert. Nun, ich kann Sie nicht umstimmen.
Wenn es Argumente gibt, würde ich sie gerne hören.
Wenn die Argumente objektiv sind, bin ich gerne bereit, Ihre Meinung zu ändern.
Wenn Sie gemerkt haben, dass Sie zu viel gesagt haben, und beschlossen haben, es einfach zu überspringen, hat es nicht funktioniert))
Wenn es Argumente gibt, würde ich sie gerne hören.
Wenn die Argumente objektiv sind, bin ich gerne bereit, meine Meinung zu ändern und klüger zu werden.
Wenn du merkst, dass du zu viel gesagt hast, und dich entschließt, abzubrechen, ist es gescheitert))
Welche Argumente, wenn Sie das tun, bedeutet, dass entweder Sie etwas nicht verstehen oder ich.
Das Wesentliche meiner Überraschung - ein lernfähiges Modell, von dem wir hier sprechen, muss auf Rohdaten trainiert werden.
Wenn die Eingabedaten korreliert sind, müssen sie auf unkorreliert reduziert werden. Aber Sie tun das Gegenteil - Sie multiplizieren die ursprünglichen Daten, die stark miteinander korreliert sind.
Hier ein Beispiel - wir bringen dem Modell bei, Farbtöne anhand von 3 Ziffern zu klassifizieren - RGB. Drei Ziffern, das sind reine Rohdaten!!! In Ihrem Ansatz müssen Sie Vorhersagen treffen wie:
1- R 2-G 3-B - 4 Mehr Rot 5 -Mehr Grün 6- Mehr Rot als Grün und Blau zusammen .... 100500 Nicht so rot wie es wäre, wenn Grün so rot wie Blau wäre. ))
Sollte das Modell nicht von selbst lernen? es hat ja die Rohdaten und dafür ist es ja da!
Welche Argumente, wenn Sie das tun, bedeutet das, dass entweder Sie etwas nicht verstehen oder ich etwas verstehe.
Der Punkt meiner Überraschung ist, dass ein trainiertes Modell, von dem wir hier sprechen, auf den Rohdaten trainiert werden muss.
Wenn die Eingangsdaten korreliert sind, müssen sie auf unkorreliert reduziert werden. Aber Sie tun das Gegenteil - Sie multiplizieren die ursprünglichen Daten, die stark miteinander korreliert sind.
Hier ein Beispiel - wir bringen dem Modell bei, Farbtöne anhand von 3 Ziffern zu klassifizieren - RGB. Drei Ziffern, das sind reine Rohdaten!!! In Ihrem Ansatz müssen Sie Vorhersagen treffen wie:
1- R 2-G 3-B - 4 Mehr Rot 5 -Mehr Grün 6- Mehr Rot als Grün und Blau zusammen .... 100500 Nicht so rot wie es wäre, wenn Grün so rot wie Blau wäre. ))
Muss das Modell das nicht selbst lernen, es hat ja die Eingabedaten und dafür ist es ja da!