Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3095
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
Wir können ein bereits geschriebenes Paket für R für die Öffentlichkeit freigeben. Wir sollten es überarbeiten und fehlende Funktionen hinzufügen.
Dies wäre eine sehr gute Entscheidung. Ich bin bereit, bei Bedarf an Tests teilzunehmen.
Viel Glück
Das wäre eine sehr gute Lösung. Ich bin bereit, bei Bedarf an Tests teilzunehmen.
Viel Glück!
ein Fahrzeug ist an einem Experiment beteiligt
Ich kämpfe seit langem mit der Überarbeitung und habe mehrmals geflüstert - schau mal bei kozul nach. Alle diese Techniken sind von dort, Prado wurde (teilweise) dort inspiriert.
Es ist eine Verallgemeinerung der Statistik auf ML.
Man kann Modelle nach einem bestimmten Kriterium (Tritment) inferenzieren. Es geht darum, Verzerrungen und Varianz in den Daten zu entfernen, um besser mit neuen Daten arbeiten zu können.Mit der im Artikel vorgeschlagenen Methode können Sie nicht verschiedene Modelle durchgehen, um das beste auszuwählen (ptu-Stil). Das ist https://en.wikipedia.org/wiki/Multiple_comparisons_problem.
Ich bin immer noch neugierig auf mehr Details... wie schlagen Sie vor, aus Tausenden von Optionen ein Modell auszuwählen, mit dem Sie arbeiten wollen?
Dieses Paket wertet eher die Möglichkeit aus, das ausgewählte Ziel mit den ausgewählten Prädiktoren erfolgreich zu trainieren. Wenn die meisten Modelle erfolgreich sind, dann ist das ausgewählte Modell wahrscheinlich auch erfolgreich.
Es gibt keine Auswahl eines bestimmten Modells (wie ich es verstanden habe). Es sollte durch eine andere Methode ausgewählt werden, die in dem Artikel nicht behandelt wird. Und es gibt eine Menge Vorbehalte und Einschränkungen (ein paar Seiten), von denen ich einige wiedergegeben habe.
Die Modelle dort sind unterschiedlich, weil sie unterschiedliche Indikatorparameter haben. Aber der Satz von Indikatoren kann derselbe sein. Ich denke, das ist die Verwirrung.
Man kann sagen - die Strategie ist die gleiche, aber die Modelle (Varianten) sind unterschiedlich
Dennoch bin ich neugierig auf mehr Details... Wie schlagen Sie vor, aus Tausenden von Optionen ein Modell auszuwählen, mit dem Sie arbeiten wollen?
Dieses Paket bewertet eher die Wahrscheinlichkeit eines erfolgreichen Trainings des ausgewählten Ziels mit den ausgewählten Prädiktoren. Wenn die meisten Modelle erfolgreich sind, dann ist das ausgewählte Modell wahrscheinlich auch erfolgreich.
Es findet keine Auswahl eines bestimmten Modells statt (so wie ich es verstanden habe). Es sollte durch eine andere Methode ausgewählt werden, die in dem Artikel nicht behandelt wird. Und es gibt eine Menge Vorbehalte und Einschränkungen (ein paar Seiten), von denen ich einige wiedergegeben habe.
Die Modelle dort sind unterschiedlich, weil sie unterschiedliche Parameter von Indikatoren haben. Aber der Indikatorensatz kann derselbe sein. Ich glaube, das ist die Verwirrung.
Man kann nur aus den guten Indikatoren auswählen, wenn sie alle gut sind. Wenn man die Frage nach der Auswahl auf diese Weise oder mit einem Vertrauensintervall stellt, sind alle gut. Andernfalls handelt es sich um das oben genannte Problem, das mehr Aufwand erfordert.
Ich weiß nicht, wer was genau macht, also ist die Frage für mich vage.
Experimente machen, Code schreiben...
Ich habe es ausprobiert, es funktioniert, dann denke ich darüber nach, welche TCs besser zu verwenden sind, usw. Ich gehe weiter und tiefer...
Und dann verbringst du noch ein Jahr damit, die Theorie zu diskutieren, und dann gibst du auf, und das war's dann.
Aber ich verstehe nicht, wie sie die Kreuzvalidierung ohne Training durchführen. Sie geben einfach einen fertigen Satz von Rückgaben ein und mischen ihn dann mit 12000 Varianten. Es sollte auf jede der 12000 IS trainiert werden und auf jede entsprechende OOS vorhergesagt werden.
Meiner Meinung nach ist dies eine der Möglichkeiten, um die Geradlinigkeit der Bilanzkurve auf dem Trayne zu beurteilen.
Da wir durch die Kreuzvalidierung Verzerrungen (das ist die Hauptsache) und Varianz entfernen, beginnt das Modell, sich bei neuen Daten +- angemessen zu verhalten. Dann kann es feinabgestimmt werden.
Sie können es auch im Handel einsetzen.