Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3091

Neuer Kommentar
 
 
Forester #:

Bis jetzt auf Seite 8. Und dies ist immer noch eine Einführung)))
Es sieht so aus, als ob es sich um einen Vergleich nach Sharpe (aber sie schreiben, dass man jeden anderen Indikator verwenden kann) auf Kreuzvalidierung handeln wird.

So wie ich es verstehe, sollten dort 4 Parameter optimiert werden

summary(my_pbo)
Performance function Omega with threshold 1

      p_bo      slope       ar^2     p_loss 
 0.3714286  1.6891000 -0.0140000  0.3430000
  • p_bo ( Wahrscheinlichkeit des Übertrainings im Backtest) sollte nahe bei 0 liegen, was auf ein geringes Risiko des Übertrainings hinweist.
  • slope ( Steigungskoeffizient der linearen Regression) sollte nahe bei 1 liegen, was auf eine starke lineare Beziehung zwischen den Werten der Leistungsmetrik für die Trainings- und Testteilmengen hinweist.
  • ar^2 ( bereinigtes Bestimmtheitsmaß) sollte nahe bei 1 liegen, was auf eine gute Genauigkeit der linearen Regression hinweist.
  • p_loss (der Anteil der Leistungskennzahlenwerte für die Testgruppe, die unter einem bestimmten Schwellenwert liegen) sollte nahe bei 0 liegen, was bedeutet, dass die Mehrheit der Leistungskennzahlenwerte für die Testgruppe über einem bestimmten Schwellenwert liegt.

Es ist jedoch zu beachten, dass diese Werte von der gewählten Leistungskennzahl und dem Schwellenwert abhängen können.


Bedarf an multikriterieller Pareto-Front-to-Back-Multikriterien-Optimierung

 
mytarmailS #:

So wie ich es verstehe, gibt es 4 Parameter zu optimieren

  • p_bo ( Wahrscheinlichkeit des Übertrainings im Backtest) sollte nahe bei 0 liegen, was auf ein geringes Risiko des Übertrainings hinweist.
  • slope ( Steigungskoeffizient der linearen Regression) sollte nahe bei 1 liegen, was auf eine starke lineare Beziehung zwischen den Werten der Leistungsmetrik für die Trainings- und Testteilmengen hinweist.
  • ar^2 ( bereinigtes Bestimmtheitsmaß) sollte nahe bei 1 liegen, was auf eine gute Genauigkeit der linearen Regression hinweist.
  • p_loss (der Anteil der Leistungskennzahlenwerte für die Testteilmenge, die unter einem bestimmten Schwellenwert liegen) sollte nahe bei 0 liegen, was darauf hindeutet, dass die Mehrheit der Leistungskennzahlenwerte für die Testteilmenge über einem bestimmten Schwellenwert liegt.

Es ist jedoch zu beachten, dass diese Werte von der gewählten Leistungskennzahl und dem Schwellenwert abhängen können

Es ist zu kurz, um zu verstehen, was diese Parameter sind. Hier ist mehr aus dem Artikel Seite 13 (wenn das Paket die Methoden im Artikel vollständig reproduziert, aber vielleicht etwas anderes hinzugefügt/subtrahiert wurde)

Overfit-Statistiken
Das in Abschnitt 2 eingeführte Rahmenwerk ermöglicht es uns, die Verlässlichkeit
des Backtests einer Strategie in Bezug auf vier ergänzende Analysenzu charakterisieren:
1. Wahrscheinlichkeit des Backtest Overfitting (PBO): Die Wahrscheinlichkeit, dass die
Modellkonfiguration, die als optimaler IS ausgewählt wurde, schlechter abschneidet als der Me-
dian der N Modellkonfigurationen OOS.
2. Leistungsverschlechterung: Dies bestimmt, inwieweit eine höhere Leistung
IS zu einer geringeren Leistung OOS führt, ein Vorgang, der
mit den in Bailey et al. [1].
3. Verlustwahrscheinlichkeit: Die Wahrscheinlichkeit, dass das als optimal ausgewählte Modell
IS einen Verlust OOS liefert.
4. Stochastische Dominanz: Diese Analyse bestimmt, ob daszur Auswahl einer Strategie IS verwendeteVerfahren
der zufälligen Auswahl
einer Modellkonfiguration aus den N Alternativenvorzuziehen ist.

Jeder Punkt wird im Folgenden ausführlicher behandelt.

 
Forester #:

Es ist zu kurz, um zu verstehen, was diese Parameter sind. Hier ist mehr aus dem Artikel Seite 13 (wenn das Paket vollständig reproduziert die Methoden in dem Artikel, aber vielleicht etwas anderes hinzugefügt / subtrahiert wurde).

das Paket ist einfach furchtbar, ich habe so ein Teil seit Jahren nicht mehr gesehen

der Code ist schrecklich

die Dokumentation ist praktisch nutzlos

Ich verstehe nicht, wie es in CRAN gekommen ist.


Ich kann immer noch nicht verstehen, gibt es ein Handelssystem untersucht wird in Chargen unterteilt oder ist es mehrere TS (in dieser Bibliothek)?

 
mytarmailS #:

Ich kann immer noch nicht verstehen, da ein Handelssystem in Chargen aufgeteilt studiert wird oder es sind mehrere TS (in dieser Bibliothek).

Auswahl des besten Modells aus einer Reihe von Modellen, die mit verschiedenen Parametern/Hyperparametern erstellt wurden. Die Eingabe ist eine Matrix, in der jede Spalte eine Prognose eines der Modelle darstellt.

Oder vielleicht auch nicht. Ich habe es auch noch nicht herausgefunden
 
Forester #:

Auswahl des besten Modells aus der Menge der Modelle, die mit verschiedenen Parametern/Hyperparametern erhalten wurden. Die Eingabe ist eine Matrix, bei der jede Spalte eine Vorhersage eines der Modelle darstellt.

Das habe ich bereits herausgefunden.

Ich verstehe nicht, wie ich mit dem Ergebnis arbeiten soll

Ich gebe eine Spalte (einen TS)

Ergebnis

summary(my_pbo)
Performance function Omega with threshold 1

  p_bo  slope   ar^2 p_loss 
0.0000 2.2673 0.9700 0.3710

Ich gebe 5 Spalten ein (fünf TCs)

Ich erhalte auch eine Zeile.

summary(my_pbo)
Performance function Omega with threshold 1

     p_bo     slope      ar^2    p_loss 
0.3428571 1.9081000 0.0440000 0.2860000

Es sollten 5 Zeilen sein, oder wenn es das Ergebnis des besten TS ist, sollte es einen Index des besten TS geben...


Ich würde diesen Autor umbringen

 
Forester #:

Auswahl des besten Modells aus der Menge der Modelle, die mit verschiedenen Parametern/Hyperparametern erhalten wurden . Die Eingabe ist eine Matrix, bei der jede Spalte eine Vorhersage eines der Modelle darstellt.

Oder vielleicht auch nicht. Das habe ich auch noch nicht herausgefunden.

Man kann es so interpretieren, dass man die TS-Gewinnrenditen aus verschiedenen Marktabschnitten (Parameter/Hyperparameter ) nimmt ????



verschiedene Marktabschnitte == Parameter/Hyperparameter?

 
mytarmailS #:

Es kann so interpretiert werden, dass die Erträge des TK-Gewinns aus verschiedenen Teilen des Marktes (Parameter/Hyperparameter ) ????

Genaue Gewinn-Retouren.

mytarmailS #:

verschiedene Teile des Marktes == Parameter/Hyperparameter?

Wie ich genau verstanden Einstellungen: verschiedene Perioden von MA, SL, etc.

 
mytarmailS #:

Ich erhalte auch eine Zeile

Es sollten 5 Zeilen sein, oder wenn es der beste TC ist, sollte es einen Index der besten geben...

Als Ergebnis erhalten Sie die Gesamtbewertung des Modells (und wahrscheinlich der Vorhersage- und Zieldaten)
Ein schlechtes Modell liefert solche Ergebnisse (nur 17% der OOS-Ergebnisse über 0).

Gutes Modell - 95% der OOS-Ergebnisse über 0

 
Forester #:

Es sind die Rückkehrer, die angekommen sind.

Sie wissen schon, Gewinne und Verluste, richtig?

Wir nehmen also die Rückkehrer der Staaten, wenn die Stelle offen ist.

Förster #:

Wie ich es verstehe, ist es die Einstellungen: verschiedene Perioden von MA, SL, etc.

Anstelle von verschiedenen Einstellungen des TS, ich werde einfach den Handel auf verschiedenen Gebieten, ich denke, es kann gleichgesetzt werden.

1...308430853086308730883089309030913092309330943095309630973098...3399
Neuer Kommentar
Grund der Beschwerde: