Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 360
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
Interessant!!! Aber das Problem ist ein wenig anders. Angenommen, Ihr TS ist um 20 % gesunken. Wie lautet die Frage? Wird er aus dem Abwärtstrend herauskommen und Gewinne erzielen oder wird er weiter abfließen????? Woher wissen Sie, ob Ihr TS reoptimiert werden muss?
Interessant!!! Aber das Problem ist ein wenig anders. Angenommen, Ihr TS ist um 20 % gesunken. Wie lautet die Frage? Wird er aus dem Abwärtstrend herauskommen und Gewinne erzielen oder wird er weiter abfließen????? Woher wissen Sie, ob Ihr TS reoptimiert werden muss?
Der TS sollte NICHT überoptimiert sein - das ist ja der Sinn der Erstellung eines TS. Alles andere ist ein Zahlenspiel
CU sollte NICHT umgeschult werden - das ist der Sinn der Schaffung von CU. Alles andere ist ein Zahlenspiel.
Sie können umgeschult werden oder nicht, aber früher oder später wird es sowieso undicht. Ich glaube, das war die Fragevon Mikhail Marchukajtes - woher wissen Sie, wann?
Sie verstehen das Wort "umgeschult" nicht.
Zunächst müssen Sie sich Sorgen machen, dass der TZ nicht umgeschult ist - beweisen Sie das. Und dann muss dieser Beweis wiederholt werden. Wenn Sie nicht beweisen können, dass sie nicht umgeschult wurde, können Sie sie nicht verwenden.
Sie verstehen das Wort "übertrainiert" nicht.
Zunächst müssen Sie sich Sorgen machen, dass der TZ nicht umgeschult ist - beweisen Sie das. Und dann muss dieser Beweis wiederholt werden. Wenn Sie nicht beweisen können, dass sie nicht umgeschult wurde, können Sie sie nicht verwenden.
Ich nehme an, ich verstehe).
Ich denke, dies ist eine etwas vereinfachte Definition. Es ist also nach wie vor nicht nur möglich, sondern vielleicht sogar notwendig, sie zu nutzen. Das hängt von den jeweiligen Gegebenheiten ab.
Wir verwenden grobe Modelle, und das kann auch als übertrainiert interpretiert werden.
Interessant!!! Aber das Problem ist ein wenig anders. Angenommen, Ihr TS ist um 20 % gesunken. Wie lautet die Frage? Wird er aus dem Abwärtstrend herauskommen und Gewinne erzielen oder weiter abfließen???? Wie können Sie feststellen, ob Ihr TS neu optimiert werden muss?
Wenn das neu trainierte Modell im Testgerät keine 20% Drawdown für diesen Zeitraum anzeigt und das alte Modell im realen Konto geöffnet wird - dann trainieren Sie sie eindeutig neu, das Modell hat seine Relevanz verloren und sollte neue Muster in Betracht ziehen. Warum wird das Modell nicht nach jedem neuen Handel neu trainiert? Und geben Sie ihm eine aktualisierte Historie der einzugebenden Geschäfte.
Wenn das neu trainierte Modell im Testgerät in diesem Zeitraum keinen Drawdown von 20 % liefert, das alte Modell auf dem realen Konto aber schon - dann trainieren Sie es neu, das Modell hat seine Relevanz verloren und muss neue Muster berücksichtigen. Warum wird das Modell nicht nach jedem neuen Handel neu trainiert? Und Sie sollten ihm auch die aktualisierte Geschichte der Angebote zur Eingabe geben.
Ich nehme an, ich verstehe).
Ich denke, dies ist eine etwas vereinfachte Definition. Daher ist es nicht nur möglich, sondern vielleicht sogar notwendig, sie zu nutzen. Das hängt von den jeweiligen Gegebenheiten ab.
Wir verwenden grobe Modelle, und dies kann auch als Überanpassung interpretiert werden.
In dem Zitat ist Überlernen eine zu subtile Betrachtung von Merkmalen, und Sie haben Vergröberung als Überlernen?!
Sie wissen es am besten. Das ist nicht das erste Mal.
Wenn das neu trainierte Modell im Testgerät in diesem Zeitraum keinen Drawdown von 20 % liefert, das alte Modell auf dem realen Konto aber schon - dann trainieren Sie es neu, das Modell hat seine Relevanz verloren und muss neue Muster berücksichtigen. Warum wird das Modell nicht nach jedem neuen Handel neu trainiert? Und geben Sie ihm die aktualisierte Historie der einzugebenden Geschäfte.
Ausbildung, Umschulung und Umschulung (Superfitting) sind grundlegend verschiedene Dinge.
All diese Schulungen für jede neue Stange werden in diesem Forum und allgemein in der TA wieder und wieder durchgekaut.
Im Kampf gegen Übertraining (Overfitting) kenne ich zwei Methoden.
1. die Bereinigung des Prädiktorsatzes von Prädiktoren, die nicht mit der Zielvariablen zusammenhängen - die Bereinigung des Prädiktorsatzes von Rauschen. In den ersten 100 Beiträgen dieses Threads wurde dies ausführlich erörtert.
2. Nachdem die Prädiktoren vom Rauschen befreit wurden, beginnen wir mit der Anpassung des Modells mit der Trainingsstichprobe, dann mit der Test- und Validierungsstichprobe, die Zufallsstichproben aus einer Datei sind. Der Fehler sollte bei allen drei Sätzen ungefähr gleich sein.
3. Nehmen Sie dann eine von der vorherigen Datei getrennte Datei und führen Sie das Modell auf dieser Datei aus. Auch hier sollte der Fehler in etwa derselbe sein wie bei den vorherigen.
4. Wenn diese Kontrollen regelmäßig durchgeführt werden, dann ist Ihre Frage: "Ein 20%iger Einbruch ist ein Signal für eine Umschulung" überhaupt nicht wert, denn als Ergebnis der ersten drei Schritte erhält man den Einbruch als Modellparameter, und wenn man darüber hinausgeht, bedeutet das, dass das Modell nicht funktioniert und alles neu begonnen werden sollte.
In dem Zitat Übertraining ist eine zu feine Betrachtung von Merkmalen und Sie haben Vergröberung ist Übertraining?!
Sie wissen es am besten. Das ist nicht das erste Mal.
Es ist auch nicht das erste Mal. Aber warum nur Vergröberung. Ein weiteres Beispiel findet sich bereits in der Definition: Ein übermäßig komplexes Modell findet etwas, das nicht existiert - scheinbare Muster.
Sie haben ein sehr vereinfachtes oder einseitiges Verständnis von Übertraining, denke ich.
Lernen, Übertraining und Übertraining (Überanpassung) sind grundlegend verschiedene Dinge.
All diese Schulungen für jede neue Bar werden in diesem Forum und allgemein in der TA wieder und wieder durchgekaut.
Im Kampf gegen Übertraining (Overfitting) kenne ich zwei Methoden.
.....
4. Wenn Sie diese Überprüfungen regelmäßig durchführen, ist Ihre Frage: "Ein Einbruch von 20 % ist ein Signal für eine Umschulung" überhaupt nicht sinnvoll, da die ersten drei Schritte zu einem Einbruch als Modellparameter geführt haben und ein darüber hinausgehender Einbruch bedeutet, dass das Modell nicht brauchbar ist und Sie von vorne beginnen müssen.