Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1204
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
La solución es encontrar los pesos óptimos... por ejemplo, cómo variar la posterior... de uniforme a exponencial
No soy partidario de los modelos de caja negra. Mejor cuando todo es transparente, con un simple significado "físico".
Por ejemplo, calculamos la probabilidad a priori de que una corrección se convierta en una inversión utilizando un amplio historial y luego la recalculamos para cada corrección particular en la posterior en función de la hora del día o de las características de la tendencia.
No estoy a favor de los modelos de caja negra. Es mejor cuando todo es transparente, con un simple significado "físico".
Por ejemplo, calculamos a partir de un amplio historial la probabilidad a priori de que una corrección se convierta en una inversión, y luego la recalculamos para cada corrección específica en la probabilidad a posteriori, en función de la hora del día o de las características de la tendencia.
Por desgracia, desconocemos el significado físico simple de las leyes de la divisa.
el simple significado físico de los patrones de forex no lo conocemos, desgraciadamente
Se trata de la interpretabilidad del modelo.
Se trata de la interpretabilidad del modelo.
entonces no se trata de MO :) aunque los metamodelos se interpretan fácilmente a través de sus métricas
Entonces no estás en el tema de MO :) aunque los metamodelos son fácilmente interpretados a través de sus métricas
¿Por qué? En mi opinión, el problema es el mismo que el de distinguir un gato de un perro para el Ministerio de Defensa.
¿Por qué? En mi opinión, es lo mismo que distinguir un gato de un perro para el Ministerio de Defensa
Porque es como hablar diferentes idiomas, en mi opinión...
distinguir por rasgos, por supuesto... son fichasentonces estás fuera del modus operandi :) aunque los metamodelos pueden ser fácilmente interpretados a través de sus métricas
No estoy seguro de que sea siempre fácil, pero de alguna manera se puede hacer. Supongo que no es la red neuronal en sí, sino su aproximación simplificada la que debería hacer la operación directamente.
Sin métodos de MO (se puede llamar "análisis exploratorio inteligente") en nuestro caso no puede prescindir)
No estoy seguro de que sea siempre fácil, pero de alguna manera se puede hacer. Supongo que no es la red neuronal en sí la que debe hacer directamente las operaciones, sino su aproximación simplificada.
Sin métodos de MO (puede llamarse "análisis exploratorio inteligente") no podemos prescindir de él)
Ahora quiero añadir la dependencia de las señales de las distribuciones a los parámetros optimizados, lo hice para empezar, para ver
si la curtosis es superior a algún valor (se puede optar por ella), entonces se observa una situación plana y se puede comprar/vender con igual probabilidad (y luego arreglar todos los errores)
Además, en cuanto a la asimetría, si hay un lado determinado, la probabilidad de la señal de compra o de venta se desplaza
Esta es una primitiva, pero es aproximadamente la forma en que el optimizador puede seleccionar los objetivos
Todo lo que necesita obtener de las métricas es el error de clasificación en una muestra de prueba (que debe ser entrenada en una muestra de entrenamiento). Los hiperparámetros se enumeran en el optimizador y se selecciona el modelo con el menor error. ¿Qué es lo que no se puede interpretar aquí? Sólo hay que saber si dicho modelo puede generalizar o no mirando los errores en los datos de prueba.
Acabo de hacer un ejemplo de tal chatarra
Ahora quiero añadir la dependencia de las señales de las distribuciones a los parámetros a optimizar, lo hice para empezar, para ver
Resulta que hay una dependencia...
He entrenado el "SMM" (modelo markoviano oculto) en los retornos, lo he dividido en 10 estados y lo he entrenado sin profesor, ha dividido diferentes distribuciones por sí mismo
distribuciones estatales.
Y aquí he agrupado los rendimientos por estados, es decir, cada fila es un estado de mercado distinto
Algunos estados (1,4,6,8,9) tienen muy pocas observaciones, por lo que no se pueden percibir en absoluto
Y ahora intentaré regenerar la serie, es decir hacer una suma acumulativa, si se encuentra alguna tendencia en alguno de los estados - la regularidad en la dirección
Hice un resumen acumulativo.
los estados 5 y 7 tienen una estructura coherente, el 5 es para bai y el 7 para pueblo
Ahora quiero añadir a los parámetros optimizados la dependencia de las señales de las distribuciones, lo he hecho por el principio, para ver
si la curtosis es superior a algún valor (podemos optar por él), entonces tenemos una situación plana y es posible comprar/vender con la misma probabilidad (y luego arreglar todos los errores)
Además, en cuanto a la asimetría, si hay un lado determinado, la probabilidad de la señal de compra o de venta se desplaza
Esta es una primitiva, pero es la forma de seleccionar los objetivos en el optimizador.
¿Por qué los precios y no sus incrementos?