Bayes'sche Regression - Hat jemand einen EA mit diesem Algorithmus erstellt? - Seite 41

Neuer Kommentar
 
Vizard_:
So kamen wir langsam zu dem faszinierenden Thema der Transformationen)))), denn wenn es keine Normalverteilung gibt, kann man eine erstellen.
Das wird lange dauern, denn Sie brauchen sowohl eine Rückverwandlung als auch... Und das gefällt Box-Cox gar nicht)))) Es ist nur schade, dass Sie nicht die Möglichkeit haben
Es ist nur schade, dass es keine großen Auswirkungen auf das Endergebnis hat, wenn man keine guten Prädiktoren hat...

Zunächst würde ich gerne einen Schimmer des Verständnisses in den Augen der "Gläubigen" sehen. Und dann, ja, konvertieren, wenn nötig. Ob dicke Schwänze umgewandelt werden können, das ist die Frage. Sie können einen großen Unterschied in der Qualität ausmachen.

 
Alexey Burnakov:

Zunächst würde ich gerne einen Schimmer des Verständnisses in den Augen der "Gläubigen" sehen. Und dann, ja, konvertieren, wenn nötig. Ob dicke Schwänze umgewandelt werden können, ist die Frage. Sie können einen großen Einfluss auf die Qualität haben.

Es gibt Regressionen für Dickschwänze, aus dem Gedächtnis FARIMA.

Doch zurück zur Größenordnung der Erhöhung.

Womit handeln wir? Ein Inkrement von 7 Pips bei 1 Uhr im Vergleich zum vorherigen Balken? Ich verstehe das nicht sehr gut. Kann mich jemand aufklären?

Das Inkrement kann gehandelt werden, genauer gesagt, die Volatilität, aber relativ zu einer stationären Reihe - das nennt man Kointegration.

 
Ich wünschte, jemand würde ernsthaft über die Eingaben nachdenken.)
 
СанСаныч Фоменко:

Es gibt Regressionen für Dickschwänze, aus dem Gedächtnis FARIMA.

Doch zurück zur Größenordnung der Erhöhung.

Womit handeln wir? Ein Inkrement von 7 Pips auf der Stundenmarkierung im Vergleich zum vorherigen Balken? Ich verstehe das nicht sehr gut. Kann mich jemand aufklären?

Das Inkrement kann gehandelt werden, genauer gesagt, die Volatilität, aber relativ zu einer stationären Reihe - das nennt man Kointegration.

Und womit handeln Sie, wenn nicht mit Inkrementen?
 
Комбинатор:
Ich wünschte, jemand würde sich ernsthaft Gedanken über die Eingabedaten machen.)

Ich dachte. Ernsthaft )

Zunächst generiere ich so viele Eingaben, wie mir nur einfallen. Dann wähle ich die relevantesten für eine bestimmte Zielvariable aus und lasse den Rest weg. Es scheint zu helfen, aber es hängt von der Trainingsmethode ab.

Bei dem von mir durchgeführten Experiment habe ich Folgendes getan. Zuerst habe ich mir überlegt, welche Informationen das System sehen muss. Aber das ist alles subjektiv. Ich habe auch informative Prädiktoren vor dem Training ausgewählt, aber es hat funktioniert:

train_set <- dat_train_final[, c(eval(inputs), eval(outputs[targets]))]
        test_set <- dat_test_final[, c(eval(inputs), eval(outputs[targets]))]
        
        input_eval <- gbm(train_set[, 109] ~ .
                       , data = train_set[, 1:108]
                       , distribution = "laplace"
                       , n.trees = 100
                       , interaction.depth = 10
                       , n.minobsinnode = 100
                       , bag.fraction = 0.9
                       , shrinkage = 0.01
                       , verbose = T
                       , n.cores = 4)
        
        best_inputs <- as.character(summary(input_eval)[[1]][1:10])
        
        train_set <- dat_train_final[, c(eval(best_inputs), eval(outputs[targets]))]
        test_set <- dat_test_final[, c(eval(best_inputs), eval(outputs[targets]))]

Ich werde das kommentieren. Zunächst habe ich mit einem schwachen, nicht umschulenden Modell mit allen verfügbaren Prädiktoren trainiert. Es ist wichtig, dass das Modell keine Zeit hat, sich neu zu trainieren. Dann habe ich die 10 wichtigsten ausgewählt.

Dies führte nicht nur dazu, dass sich die Ergebnisse nicht in Rauschen auflösten, sondern auch dazu, dass das Training um den Faktor 10 beschleunigt wurde.

Das ist eine Möglichkeit, die Sache zu betrachten.

 
Alexey Burnakov:
Womit handeln Sie, wenn nicht mit Inkrementen?

Trend, bei dem Long und Short von Interesse sind.

Aufträge im Terminal: BUY, SELL.

 
Комбинатор:
Ich wünschte, jemand würde sich ernsthaft mit den Eingangsdaten auseinandersetzen.)

Wenn ich es mir recht überlege, biete ich sogar einen kostenpflichtigen Service für die Bereinigung der Eingabeprädiktoren von den Rauschprädiktoren für die Klassifizierungsmodelle an. So bleibt ein Satz übrig, der keine übertrainierten Modelle erzeugt. Stimmt, wir sollten klarstellen: wenn etwas übrig bleibt. Es ist paradox: Für den Trendhandel sind all die vielen Varianten von Mashups hoffnungslos.

Zu den Sets, die ich bearbeitet habe, gehören:

  • Verringerung der ursprünglichen Liste der Prädiktoren um den Faktor 3 bis 5.

Damit verbleiben 20-25 Prädiktoren, mit denen man sich in Zukunft beschäftigen kann

  • Aus dieser Menge von Prädiktoren wähle ich für jeden Balken eine Teilmenge mit den Standardmitteln von R
  • es verbleiben 10-15 Prädiktoren, mit denen das Modell trainiert wird
  • es ist möglich, die letzte Auswahl der Prädiktoren nicht auf eine ungefähre Anzahl von Balken zu beschränken, die einem Fenster entspricht, aber das Fenster liegt innerhalb von 100

Ergebnis: Das Modell wird nicht neu trainiert, d.h. der Klassifikationsfehler im Training, in der AOB und außerhalb der Stichprobe ist ungefähr gleich.

 
Mensch, die Kinder des Mais der Normalität/Normalität sind einige.
 
zwei parallele Threads, die dasselbe Thema behandeln - die Auswahl von Prädiktoren für das Modell
 
СанСаныч Фоменко:

Trend, bei dem Long und Short von Interesse sind.

Aufträge im Terminal: BUY, SELL.

Das ist das Gleiche! Erhöhungen werden in + oder - Zeichen umgewandelt. Und Sie können dieses Zeichen für Schritte von einer Stunde im Voraus nehmen.

Wie lautet die Frage?

1...343536373839404142434445464748...55
Neuer Kommentar
Grund der Beschwerde: