Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2840
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 kann mir das in meinem Kopf vorstellen... wir haben einen markierten Datensatz, wir wollen so nah wie möglich an diesen Markierungen trainieren. Wenn wir ein anderes Kriterium wählen, spielen diese Bezeichnungen keine Rolle mehr?
Es ist das Kriterium, das fehlerhaft ist.
Ich kann es mir nicht vorstellen... wir haben einen markierten Datensatz, wir wollen so nah wie möglich an diesen Markierungen trainieren. Wenn wir ein anderes Kriterium nehmen, das nichts mit ihnen zu tun hat, sind diese Bezeichnungen nicht mehr wichtig?
Das ist der Punkt, wir bewegen uns ein wenig weg von der Art der Optimierung (Lernen), die in der klassischen MO üblich ist. Wir bewegen uns auf eine Optimierung im weiteren Sinne zu (wie z. B. bei MT5). Gleichzeitig wollen wir aber die Leistungsfähigkeit und Flexibilität der in MO verwendeten Modelle beibehalten.
Die konzeptionelle Kluft zwischen der MT5-Optimierung und der MO-Anwendung hat mich immer verwirrt. Es wäre schön, wenn es Optionen für Zwischenlösungen gäbe.
Es ist, als ob Fomenko nicht hören würde, was gesagt wird. Ich habe bereits mehrfach gesagt, dass der Tester keinen Einfluss auf die Rentabilität oder die Fähigkeit des TS hat, in Zukunft rentabel zu arbeiten. Der Tester ist ein Werkzeug, mehr nicht. Ein Optimierungsalgorithmus ist ein Werkzeug und nichts weiter. Das ist so, als würde man über den "Erfolg" einer Schaufel beim Geldverdienen diskutieren.
Das ist richtig, ein Gespräch zwischen Tauben und Blinden.
Ich schreibe, dass eine Optimierung in Verbindung mit Kriterien nicht notwendig ist, weil die Finanzmärkte NICHT stationär sind, und Sie schreiben, dass ich etwas von Optimierung verstehe.
Erfolg, Alchemisten verwandeln seit mehreren hundert Jahren alles in Gold.
Der Punkt ist, dass wir uns ein wenig von der Art der Optimierung (Training) entfernen, die in der klassischen MO akzeptiert wird. Wir bewegen uns in Richtung einer Optimierung im weiteren Sinne (wie z.B. in MT5). Gleichzeitig wollen wir aber die Leistungsfähigkeit und Flexibilität der in MO verwendeten Modelle erhalten.
Die konzeptionelle Kluft zwischen der MT5-Optimierung und der MO-Anwendung hat mich immer verwirrt. Es wäre gut, wenn es Möglichkeiten für Zwischenlösungen gäbe.
Je adäquater das Bewertungskriterium, desto adäquater verhält sich das Modell bei neuen Daten. Die Wahl der besten AO bedeutet die Wahl des besten Werkzeugs zur Optimierung des KRITERIUMs. Es kann nicht der Fehler der AO oder des Testers sein. Das Kriterium ist schuld.
Die Robustheit des TS hat NICHTS mit den Bewertungskriterien zu tun, denn das Kriterium ist genau eins - die Richtung des Handels erraten oder nicht. Letzteres hängt jedoch von der Menge und den Eigenschaften der Prädiktoren ab
Richtig, ein tauber Mann spricht mit einem blinden Mann.
Ich schreibe, dass eine Optimierung zusammen mit Kriterien nicht notwendig ist, weil die Finanzmärkte NICHT stationär sind, und Sie schreiben, dass ich etwas von Optimierung verstehe.
In Wirklichkeit betreiben Sie auch Optimierung. Sie haben irgendein Kriterium der "Stationarität der Vorzeichen" erfunden und nehmen die Vorzeichen, die nach diesem Kriterium optimal sind. Es ist die gleiche Optimierung in der Geschichte, aber im Profil.
Die Robustheit des TS hat NICHTS mit den Bewertungskriterien zu tun, denn das Kriterium ist genau eins - die Richtung des Handels erraten oder nicht. Aber letzteres hängt von der Menge und den Eigenschaften der Prädiktoren ab
Hier ist es unbedingt notwendig, ein Kriterium der TS-Robustheit zu erfinden und danach zu optimieren.)
Bitte sehr, ich verstehe die Allergie einiger Genossen gegen das Wort "Optimierung" nicht.
Optimierung sollte als ein Prozess der Suche nach der besten Lösung betrachtet werden, der besten Lösung eines robusten Modells. Wenn das Modell nicht robust ist (schwaches Bewertungskriterium), dann, wie man sagt, "don't blame the mirror" (blame the optimization).