Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 302
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Un hilo interesante. Mucha palabrería, pero también algunas reflexiones inteligentes. Gracias.
+
))) Lo principal es la comunicación y el proceso. Parece que algunas personas ya están creando bots neuronales. Me gustaría probar .
Por desgracia, el umbral de entrada al tema es muy alto. El campo de la MO en sí ya es bastante antiguo y sólo el número de ramas y métodos diferentes ya tiende al infinito.
Y si no lo has tratado antes, puedes ahogarte en este mar de información). Y no quiero recoger trozos, de todos modos se requiere algún enfoque sistemático de la herramienta.
Pero hasta ahora no he encontrado ninguna información sistematizada coherente.
Para mí, el error de predicción no es el principal problema. Para mí el principal problema es el reentrenamiento del modelo. O bien tengo una mínima evidencia de que el modelo NO está reentrenado, o el modelo no es necesario en absoluto.
He escrito muchas veces en este hilo (y en otros también) sobre el diagnóstico de la sobreadaptación y las herramientas para tratarla. En resumen, se trata de eliminar el ruido de los predictores de entrada, y el modelo en sí tiene una importancia secundaria.
Todo lo demás no me interesa, porque cualquier resultado sin consideraciones de sobreentrenamiento es sólo para ahora, tal vez mañana, y después de mañana se drena la depo.
Si tienes un buen RPM en la prueba (fuera de la muestra de entrenamiento) entonces todo está bien. La sobrealimentación no puede evitarse en cierto modo, sólo puede reducirse a un nivel aceptable.
PD: El Sr. Mihail Marchukajtes seofreció para demostrar que el clasificador Reshetov es genial, también puede probarlo, me pregunto si alguien será capaz de obtener más del 65% de precisión con estos datos)))
Bueno, la sobrealimentación es cuando los medidores en el lern y la prueba son diferentes, si tienes un buen medidor en la prueba (fuera de la muestra de entrenamiento) entonces todo está bien. En cierto sentido, la sobrealimentación no puede evitarse en absoluto, sólo puede reducirse a un nivel aceptable.
PD: El Sr. Mihail Marchukajtes seofreció a probar la inclinación del clasificador Reshetov, también puede probarlo, me pregunto si alguien será capaz de obtener más del 65% de precisión con estos datos)))
Un probador es un trabajo de acabado. Y se necesitan intervalos de confianza del rendimiento de la CT.
Desgraciadamente, el umbral de entrada al tema es muy alto. El campo de la MO en sí ya es bastante antiguo y sólo el número de ramas y métodos diferentes ya tiende al infinito.
Y si no te has enfrentado a ello antes, puedes ahogarte en este mar de información). Y no quiero recoger piezas, ya que se requiere un enfoque sistemático del proyectil.
Pero hasta ahora no he encontrado ninguna información sistematizada coherente.
No lo es.
La sistematicidad es el uso de TODO: la preparación de los datos iniciales, el ajuste del modelo o modelos y la evaluación de ese modelo.
En una primera aproximación, todo esto da traqueteo - se puede ver y jugar con él. Si tomas mi artículo, el aporte de mano de obra es mínimo (un par de horas para todo), ya que no sólo da instrucciones, sino también datos para los ejercicios.
Por desgracia, el umbral de entrada al tema es muy alto. El campo de la MO en sí ya es bastante antiguo y sólo el número de ramas y métodos diferentes ya tiende al infinito.
Y si no lo has tratado antes, puedes ahogarte en este mar de información). Y no quiero recoger trozos, de todos modos se requiere algún enfoque sistemático de la herramienta.
Pero hasta ahora no he encontrado ninguna información sistematizada coherente.
Nuestro mundo está estructurado de tal manera que la rentabilidad del tema es una función monótona de la altura del umbral de entrada al tema. Cuanto más alto sea el umbral de entrada (no necesariamente la complejidad conceptual, puede ser por dinero, conexiones sociales, ubicación geográfica, etc.), mayor será el acuerdo potencialmente rentable.
Lo que es fácil para muchos, por regla general, cuesta poco y ni siquiera es capaz de alimentar a un adulto, por no hablar de todo tipo de extravagancias.
El funcionamiento de nuestro mundo es que la rentabilidad de un tema es una función monótona de la altura del umbral de entrada al tema. Cuanto más alto sea el umbral de entrada (no necesariamente de complejidad conceptual, también puede ser en términos de dinero, conexiones sociales, ubicación geográfica, etc.) más rentable será el caso.
Lo que es fácil para muchos, suele costar poco y ni siquiera es capaz de alimentar a un adulto, por no hablar de todos los excesos.
Lo que para muchos es fácil de asumir, suele costar poco y ni siquiera es capaz de alimentar a un adulto....
++
o más precisamente, un no-persecutivo en absoluto
Estoy viendo el hilo así y me doy cuenta de que ha desaparecido...
El mero hecho de su existencia es sorprendente)))
Es el tipo de tema del que no es sano hablar en voz alta, con mucho detalle, así que...
No lo es.
La sistematicidad consiste en utilizar TODO: preparar los datos brutos, ajustar el modelo o modelos y evaluar ese modelo.
En una primera aproximación, todo esto da traqueteo - se puede ver y jugar con él. Si tomas mi artículo, el aporte de mano de obra es mínimo (un par de horas para todo) ya que no sólo tiene instrucciones, sino también datos para los ejercicios.
Por enfoque sistemático, sin embargo, me refiero a entender lo que estás haciendo y, por tanto, ser capaz de planificar y predecir los resultados de tus acciones.
Gracias por el artículo. No estoy familiarizado con ningún software en particular, así que es perfecto para un novato: sencillo y claro. Pero no entiendo qué método se utiliza, ¿el de regresión o el de clasificación?
Naturalmente, inmediatamente empecé a probarlo en mis propios sistemas. Si alguna cuestión es difícil, Dios no lo quiera, se descubrirá en el transcurso de la obra.
1. No uso velas para entrar y salir - sólo un flujo de cotizaciones, y velas sólo en la historia de la vela anterior. Aunque puedo dejar que aprenda por velas, todavía es un misterio cómo hacer que Rattle se trague el flujo de cotizaciones de la vela dentro de la vela actual. El flujo de la vela debe ser analizado de alguna manera.
2. ¿Qué hacer con los predictores reconstruibles? Por ejemplo, con líneas de regresión y sigmas. Ni siquiera se pueden pegar en el historial (para aprender), necesitamos funciones que los calculen sobre la marcha y eliminen sus dibujos anteriores del historial.
Del mismo modo, hay predicciones brillantes que no siempre existen y que se construyen a partir de ciertos puntos de la serie, y en general también pueden reconstruirse en el transcurso de la obra.
4 La cuestión de la normalización de los predictores por los puntos 2 y 3 - es fundamentalmente imposible.
Y el historial sobre los predictores debe calcularse tanto en el curso de la formación como en el del trabajo.
Hasta ahora, nos quedamos con mucha incomprensión.