Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 402
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
XGB - https://en.wikipedia.org/wiki/Xgboost ist die thermonukleare Waffe des maschinellen Lernens.
3 Monate reichen für einen vollständigen Simulationszyklus nicht ganz aus, da das Modell auf verschiedenen Märkten, bei Regimewechseln, Flashdaches und verschiedenen Schwänen getestet werden muss; synthetische Stresstests können dies nicht leisten, da der reale Markt nicht existiert. Das endgültige Modell wird größtenteils nicht mehr als die Daten einer Woche verwenden, aber um es zu konfigurieren, müssen Sie es mit Stichproben von 1-3 Jahren laufen lassen, um sicherzustellen, dass es nicht überall Mist baut. In 3 Monaten können die Daten trainiert werden, und wenn die Datenwissenschaftler sich auskennen, wird es sich als regelmäßiger Geldmacher erweisen, aber eines Tages, vielleicht in 3 Monaten, vielleicht in einem halben Jahr, kann alles abrupt zusammenbrechen, aus "unbekanntem" Grund, oder besser gesagt, aus bekanntem Grund, da das Modell nicht auf einen solchen Meta-Zustand des Marktes gestoßen ist und sich dilettantisch eingeschaltet hat.
ah, man muss systematisch umschulen, was nützt es, eine hft in 5 Jahren auszubilden, dafür braucht man weder die Nerven noch die Mittel
Ah, die Steigungsverstärkung... ich habe Sie gehört, aber ich habe es nicht getan. Je weiter man in den Wald vordringt, desto komplizierter werden die Begriffe.
Sie haben keinen Sinn, die hft in 5 Jahren auszubilden, sie haben weder die Nerven noch die Mittel dazu.
Vielleicht haben auch dieLTCM-Leute dieses Argument vorgebracht). Sie sagen, wenn sie in ihren Modellen doppelt so weit zurückgeblickt hätten, wären sie nicht so heftig fusioniert.
In jedem Fall ist die Ausbildung nicht sofort auf die gesamte Stichprobe von 5 Jahren gehen, ist es klar, das gleitende Fenster nimmt eine Probe, mit ständigem Lernen, aber es ist wichtig zu wissen, wie schnell das Modell "weiß", wenn etwas stark verändert sich auf dem Markt und es ist nicht ein Ausreißer, nicht jemandes Dummheit, und wird nicht mutig gegen einen plötzlichen Trend zu füllen, den Anruf von Kolya.
Vielleicht haben auch dieLTCM-Leute dieses Argument vorgebracht). Sie sagen, wenn sie in ihren Modellen doppelt so weit zurückgeblickt hätten, wären sie nicht so heftig fusioniert.
Das Lernen in jedem Fall nicht sofort auf die gesamte Stichprobe von 5 Jahren gehen, ist es klar, das gleitende Fenster nimmt eine Probe, mit konstantem Lernen, aber es ist wichtig zu wissen, wie schnell das Modell "weiß", wenn etwas stark verändert sich auf dem Markt und das ist nicht ein Ausreißer, nicht jemandes Dummheit, und wird nicht mutig gegen einen plötzlichen Trend zu füllen, den Anruf Kolya.
Mdya...... du es schaffst, auf den Job zu scheißen, während du selbst von ganz anderen Trichtern sprichst. In der Regel ist das Modell nicht gut, wenn es die Unterstützungslinie der Gleichgewichtskurve durchbricht, und dann erholt es sich wieder, wie ich zuvor gezeigt habe... Ob man der Arbeit des Modells vertrauen kann oder nicht, ist eine philosophische Frage. Niemand behauptet, dass drei Monate an Daten zu wenig sind. ABER ich habe eine Frage: Woher wissen Sie, wie ich sie sammle und worauf sie sich beziehen? ?????? Ich bin nur neugierig. Wie kommen Sie plötzlich darauf, dass das Modell seine Bedeutung verliert, wenn ihm drei Monate lang alle möglichen Marktentwicklungen vorgelegt wurden? ?????
Man muss verstehen, was es ist, bevor man den Markt vorhersagen kann. Ja, der Markt verändert sich in einem globalen Zeitraum, aber ich verwende Daten, die den Preis verursachen, d.h. es sind diese Daten, die den Preis verändern und nicht umgekehrt. Außerdem verwende ich nach dem Hochladen ein einzigartiges Verfahren zur Bereinigung der Daten von Unrat, und deshalb erhalte ich solche Modelle. Dabei ist mein Beruf an sich gar nicht so übel. Ich brauche dringend einen ROBOTER. Und eine Frage an das Publikum... Hat jemand ein Roboter-Skelett, das Requotes, Ouds und andere Dinge im realen Handel berücksichtigt?????
Niemand behauptet, dass drei Monate an Daten zu wenig sind. ABER meine Frage ist, woher Sie wissen, wie ich sie sammle und worauf sie sich beziehen?????? Ich bin nur neugierig. Wie kommen Sie plötzlich darauf, dass das Modell bedeutungslos wäre, wenn ihm alle möglichen Marktentwicklungen innerhalb von drei Monaten vorgelegt würden?????
Wenn Sie mit Daten aus drei Monaten trainiert haben, können Sie nicht erwarten, dass das Modell viel länger hält. Der Markt, den das Modell gesehen hat, ist der Markt, auf dem es handeln kann. Ihr Datensatz ist Unsinn, mit ihm zu handeln ist wie mit Kaffeesatz zu raten. Dasselbe gilt für die "Reschetow-Maschine", die Koeffizienten für ein lineares Modell liefert, obwohl die Daten überhaupt nicht linear sind. Man muss schon sehr unbedarft sein, um an diesen Unsinn zu glauben, dass ein lineares Modell bei einem Datensatz von weniger als 500 Punkten wochenlang zum Lernen braucht, weil es "KI" ist )))))))))..... Ich weiß es nicht.... Es ist mehr Unsinn als Martingal und "Depo-Boosting".
Wenn Sie mit Daten aus drei Monaten trainiert haben, können Sie nicht erwarten, dass das Modell viel länger hält. Welchen Markt das Modell gesehen hat, wird es handeln können. Ihr Datensatz ist Unsinn, und mit ihm zu handeln ist wie mit Kaffeesatz zu raten. Dasselbe gilt für die "Reschetow-Maschine", die Koeffizienten für ein lineares Modell liefert, obwohl die Daten überhaupt nicht linear sind. Man muss schon sehr unbedarft sein, um an diesen Unsinn zu glauben, dass ein lineares Modell bei einem Datensatz von weniger als 500 Punkten wochenlang zum Lernen braucht, weil es "KI" ist )))))))))..... Ich weiß es nicht.... Es ist mehr Unsinn als Martingal und "run up the daisy chain".
Der Wert der Woche???? Aljoscha, du bist wirklich ALESHA Ha ha ha.... Was sind das nur für Menschen heutzutage. Ladnaya Alexeyushka Sie unsere, das ist unsere erste lesen Sie den Artikel hier und Sie werden verstehen, dass meine 500 Punkte, die ich für drei Monate gesammelt, weil ich nicht schieben den Klassifikator jede Bar, und tun es zu einem bestimmten Zeitpunkt und daher 500 Punkte decken den Markt für 3 Monate, und dass Ihr Modell konnte nicht auf sie richtig zu trainieren, so ist dies, weil Sie eine "Mist" System der AI haben. Ich habe es sogar in Klammern gesetzt, als eine Art Lob :-) Aljoscha, Aljoscha......Dann sehe ich, dass am Wochenende auch die Trolle wach sind..... Also gut, mir persönlich ist es egal, ich werde Ihnen am Ende ein weiteres Geheimnis verraten, nur um sich zu entwickeln, damit Sie verstehen, wen Sie "anspucken".
An alle, die meinen, mein Datensatz sei schlechter als 50%!!!!!!! Ihr KI-System ist nicht korrekt aufgebaut oder es gibt einen Fehler darin OR!!!!!!!! Und dann ist da noch der Trommelwirbel von.... Ihr System ist durch die Menge des zu lernenden Materials begrenzt, Sie verwenden Raster, die in der Lage sind, in 2-3 Wochen richtig zu lernen (gehen wir davon aus, dass es überhaupt keine Nachschulung gibt) und eine oder zwei Wochen lang zu arbeiten. Solche Systeme gibt es, und daran ist nichts auszusetzen. THIS WORKS!!!! ABER wenn man einen großen Datensatz darauf legt, wird er schrecklich über- oder untertrainiert, was schließlich zu großen Trainingsfehlern führt, und man fängt an zu denken, dass der Datensatz scheiße ist, ganz vernünftig für Ihre KI-Systeme. ABER, wenn ein KI-System wirklich cool ist, ist es in der Lage, ein Modell zu erstellen (und nicht zu übertrainieren), selbst auf diesem Datensatz, den SIE nicht geschafft haben.... Sie sehen!!!! Nur das Modell wird aus einer großen Anzahl von Eingaben bestehen, ich denke so 10-12 und das Polynom wird lang genug sein und glauben Sie mir, ein solches Modell wird mehr als 50% Gewinn haben. Oder vielmehr sogar für REACH-Optimierer gibt es eine Grenze, aber es ist viel mehr als diejenigen, die versagt haben..... So.....
Und das Interessante ist, dass das Hauptergebnis dieses Optimierers der Prozentsatz der Generalisierung ist, und ich habe Modelle mit einem Generalisierungsgrad von 100 % erstellt. Mit zunehmender Größe der Stichprobe beginnt der Prozentsatz zu sinken, und sobald er unter 50 % sinkt, beginnt das Modell zu versagen. Aber es ist wahrscheinlicher, dass sie in der Nähe der 50er-Marke liegt. Wie auch immer, wenn es einen Fisch in den Daten gibt, wird er ihn finden, wenn nicht, dann ist es ein Durcheinander.....
Es ist auch sehr gut bei der Beantwortung der Frage, wie gut die Daten für die ausgewählte Variable sind, wenn die Daten voller Scheiße sind, wird es sofort gesehen....
Ich bin witzig, ich habe den Datensatz, den ich gepostet habe, aufgeteilt und eine der Stichproben besteht aus 138 Zeilen. Ich habe es ausgeführt und warte auf.... Ich werde die Ergebnisse veröffentlichen, wenn ich interessiert bin....
Ich meine Wochen???? Aljoscha, du bist wirklich Aljoscha Ha ha ha .... Was sind das für Menschen heutzutage? Ladnaya Alexeyushka Sie unsere, das ist unsere erste lesen Sie den Artikel hier und Sie werden verstehen, dass meine 500 Punkte, die ich für drei Monate gesammelt, weil ich nicht schieben Sie den Klassifikator jede Bar, und tun es zu einem bestimmten Zeitpunkt und daher 500 Punkte decken den Markt für 3 Monate, und dass Ihr Modell konnte nicht auf sie richtig zu trainieren, so ist dies, weil Sie Ihr System der AI "Mist" haben. Ich habe es sogar in Klammern gesetzt, als eine Art Lob :-) Aljoscha, Aljoscha......Dann sehe ich, dass am Wochenende auch die Trolle wach sind..... Mir persönlich ist es egal, ich werde Ihnen am Ende noch ein Geheimnis verraten, damit Sie verstehen, wen Sie "verarschen".
An alle, die dachten, mein Datensatz sei schlechter als 50%: !!!!!!! Ihr KI-System ist nicht korrekt aufgebaut oder es ist ein Fehler darin LIBO!!!!!!!! Und dann ist da noch der Trommelwirbel von.... Ihr System ist durch die Menge des zu lernenden Materials begrenzt, Sie verwenden Raster, die in der Lage sind, in 2-3 Wochen richtig zu lernen (gehen wir davon aus, dass es überhaupt keine Nachschulung gibt) und eine oder zwei Wochen lang zu arbeiten. Solche Systeme gibt es, und daran ist nichts auszusetzen. THIS WORKS!!!! ABER wenn man einen großen Datensatz darauf legt, wird er schrecklich über- oder untertrainiert, was schließlich zu großen Trainingsfehlern führt, und man fängt an zu denken, dass der Datensatz scheiße ist, ganz vernünftig für Ihre KI-Systeme. ABER, wenn ein KI-System wirklich gut ist, dann ist es in der Lage, ein Modell zu erstellen (und nicht zu übertrainieren), sogar auf diesem Datensatz, den SIE auf .... nicht gefunden haben. Sie sehen!!!! Nur das Modell wird aus einer großen Anzahl von Eingaben bestehen, ich denke so 10-12 und das Polynom wird lang genug sein und glauben Sie mir, ein solches Modell wird mehr als 50% Gewinn haben. Oder vielmehr sogar für REACH-Optimierer gibt es eine Grenze, aber es ist viel mehr als diejenigen, die versagt haben..... So.....
Und das Interessanteste ist, dass das Hauptergebnis dieses Optimierers der Prozentsatz der Generalisierung ist, und ich habe Modelle mit einem Generalisierungsgrad von 100% erstellt. Mit zunehmender Größe der Stichprobe beginnt der Prozentsatz zu sinken, und irgendwann wird er unter 50 % fallen, und dann wird das Modell nicht mehr funktionieren. Aber es ist wahrscheinlicher, dass sie in der Nähe der 50er-Marke liegt. Wie auch immer, wenn es einen Fisch in den Daten gibt, wird er ihn finden, wenn nicht, wird es zu spät sein.....
Es ist auch sehr gut bei der Beantwortung der Frage, wie gut die Daten für die ausgewählte Variable sind, wenn die Daten Mist sind, wird es sofort sichtbar....
Ich bin witzig, ich habe den Datensatz, den ich gepostet habe, aufgeteilt und eine der Stichproben besteht aus 138 Zeilen. Ich habe es ausgeführt und warte auf.... Ich werde die Ergebnisse veröffentlichen, wenn ich interessiert bin....
Ich werde nicht mit Ihnen streiten, es gibt nichts zu streiten, Sie reden völligen Unsinn, "100% Verallgemeinerung" )))))) Ich glaube, Sie verstehen nicht einmal den Unterschied zwischen einem linearen und einem nichtlinearen Modell. Und "Reshetovs Maschine" ist linear, sie kann nicht einmal c XOR, es ist eine dumme Optimierung der Koeffizienten der Teilungshyperfläche durch irgendeine Pseudo-Genetik, kindisches Geschwätz...
Das war's, ich beleidige keine Kinder, ich bin ein böser, böser Onkel, der sagt, dass es den Weihnachtsmann nicht gibt)))
Ich werde nicht mit Ihnen streiten, es gibt nichts zu streiten, Sie sind voller Unsinn, "100% Verallgemeinerung" )))))) Ich glaube, Sie verstehen nicht einmal den Unterschied zwischen einem linearen und einem nichtlinearen Modell. Und die "Reshetov-Maschine" ist linear, sie kann nicht einmal c XOR, es ist nur eine Optimierung der Hyperebenen-Koeffizienten durch irgendwelche Pseutogenetiker, kindisches Geschwätz...
Das war's, ich beleidige keine Kinder, ich bin ein böser, böser Onkel, der mir gesagt hat, dass es den Weihnachtsmann nicht gibt)))
YEAH!!!!! Ich bin der Weihnachtsmann!!! Und jedes Jahr gratuliere ich den Kindern zu diesem schönen Fest. Du hast es sogar geschafft, hier gegen mich zu verlieren :-)
Ich werde nicht mit Ihnen streiten, es gibt nichts zu streiten, Sie sind voller Unsinn, "100% Verallgemeinerung" )))))) Ich glaube, Sie verstehen nicht einmal den Unterschied zwischen einem linearen und einem nichtlinearen Modell. Und "Reshetovs Maschine" ist linear, sie kann nicht einmal c XOR, es ist eine dumme Optimierung der Koeffizienten der Teilungshyperfläche durch irgendeine Pseudo-Genetik, kindisches Geschwätz...
Das ist alles, ich beleidige keine Kinder, ich bin ein böser, böser Onkel, der mir gesagt hat, dass es den Weihnachtsmann nicht gibt)))
Ich gebe Ihnen ein Modell mit einem 100%igen Generalisierungsgrad....
Ich sende Ihnen ein Modell mit 100%igem Generalisierungsgrad....