Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 55
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 füge hinzu: Sie müssen keine Änderung des Wechselkurses eines gehandelten Gegenstands vorschlagen.
Es ist, als würde man sich an den Haaren aus dem Sumpf ziehen.
Suchen Sie auch nach anderen Datenquellen.
Möge der Gewinn mit Ihnen sein!
:)
Wenn Sie das meinen? Nun, es ist eine amerikanische Entdeckung. Ich würde gerne mehr Informationen hinzufügen, aber abgesehen von der Preisentwicklung ist es schwer, in diesem Band etwas anderes zu finden.
Und an den Haaren herbeizuziehen ist falsch. Die Daten enthalten das Signal. Und es gibt genug davon, um die Kosten zu decken und einen Gewinn zu erzielen. Es wurde praktisch bestätigt, obwohl auf der Geschichte. Und die, die es nicht herausholen können, tanzen mit dem Tamburin. Ich habe einige Erfahrung mit dem Glas, aber ich bin mir noch nicht sicher, ob ich etwas damit anfangen kann.
***Müde***
Wird es einen Staat geben?
Ich empfehle die Lektüre einiger guter Aufzeichnungen über den Aufbau von Handelssystemen aus der Position eines Quants (eines Senior-Quants in einem großen Investmentfonds). Die Ideen erschienen mir vernünftig.
...Womit sind Sie einverstanden bzw. nicht einverstanden? Was würden Sie gerne besser lernen?
Zumindest mit einer strikten Aufteilung in Ausbildungs- und Teststichprobe nach Daten anstelle einer vorherigen zufälligen Mischung von Stichproben mit gleicher Verteilung in der allgemeinen Stichprobe und anschließender Aufteilung in Teile. Es kann vorkommen, dass ein Teil der Stichprobe überwiegend vertikale Trends enthält, während der andere Teil seitliche Trends aufweist. Wenn wir eine Zufallsmischung anwenden, sinkt die Wahrscheinlichkeit, dass ähnliche Muster in verschiedenen Teilen der Stichprobe vorkommen.
Ein solcher Nachteil ist übrigens auch im eingebauten Strategietester von MetaTrader vorhanden, d.h. er trennt die Trainingsstichprobe und den Forward-Test strikt nach Daten. Infolgedessen können Markttrendänderungen in der Nähe der Trennungslinie zu einem absichtlichen Übertraining führen.
Junge, verschwinde von hier.
Vor allem das hier hat mir gefallen:
Sie trennen also strikt zwischen In-Sample und Out-of-Sample; - trennen Sie strikt zwischen Trainingsset und Validationsset
Sie sind blind für Datumsbereiche; - trennen Sie Daten genau nach Daten (vor dem Tag X - Schulung, nach dem Tag X - Validierung)
Sie verwenden Monte Carlo, um Verzerrungen der Ausgangspunkte zu vermeiden; - Sie generieren mehrere Ergebnisse der Handelsstrategie, so dass Sie keinen Fit für Einstiegs- und Ausstiegspunkte erhalten.
und Sie probieren verschiedene Robustheitstricks aus. - Anwendung von Robustheitstechniken.
Was tun Sie sonst noch, um sicherzustellen, dass Sie sich nicht selbst etwas vormachen?
Alles klingt richtig (aber ich habe nicht alles selbst ausprobiert), außer dem ersten Punkt. Mir scheint, wenn man nur einen Trainingsdatensatz verwendet und dafür Prädiktoren auswählt, kommt es zu einer Überanpassung eben dieser Prädiktoren, die in anderen Zeitintervallen möglicherweise nicht zuverlässig sind. Ich erstelle jetzt jedes Mal eine neue Trainings- und Validierungsstichprobe, bevor ich das Modell bei der Auswahl der Prädiktoren trainiere. Es ist besser, die Stichproben dreimal neu zu erstellen, das Modell zu trainieren und die durchschnittliche Genauigkeit zu ermitteln, als immer die gleichen Trainings- und Validierungsstichproben zu verwenden.
Mir gefällt der Beitrag über neuronale Netze aus Proteinen :) . Manchmal führen sie aufgrund einer unglücklichen Topologie tatsächlich zu sehr unzureichenden Ergebnissen.
***Müde***
Wird es einen Staat geben?
Nein. Man muss schon schlauer sein, um das vor langer Zeit zu verstehen. Es gibt eine Entwicklung.
Alles klingt richtig (aber ich habe nicht alles selbst ausprobiert), außer dem ersten Punkt. Mir scheint, wenn man nur einen Trainingsdatensatz verwendet und Prädiktoren darauf anpasst, kommt es zu einer Überanpassung eben dieser Prädiktoren, die in anderen Zeiträumen möglicherweise nicht gültig sind. Ich erstelle jetzt jedes Mal eine neue Trainings- und Validierungsstichprobe, bevor ich das Modell bei der Auswahl der Prädiktoren trainiere. Es ist besser, die Stichproben dreimal neu zu erstellen, das Modell zu trainieren und die durchschnittliche Genauigkeit zu ermitteln, als immer die gleichen Trainings- und Validierungsstichproben zu verwenden.
Mir gefällt der Beitrag über neuronale Netze aus Proteinen :) . Manchmal führen sie aufgrund einer unglücklichen Topologie zu sehr unzureichenden Ergebnissen.
Ja, ich würde wirklich gerne ihre Ergebnisse sehen. Ich habe etwas zu zeigen.
Und Sie?
Die Frage scheint jedoch rhetorisch zu sein.
Ja, das stimmt. Können Sie mir sagen, wie viele Jahre die Entwicklung bereits andauert und wo ich die Ergebnisse sehen kann? :)