Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1204

Nuevo comentario
 
Maxim Dmitrievsky:

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.

 
Aleksey Nikolayev:

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.

 
Maxim Dmitrievsky:

el simple significado físico de los patrones de forex no lo conocemos, desgraciadamente

Se trata de la interpretabilidad del modelo.

 
Aleksey Nikolayev:

Se trata de la interpretabilidad del modelo.

entonces no se trata de MO :) aunque los metamodelos se interpretan fácilmente a través de sus métricas

 
Maxim Dmitrievsky:

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.

 
Igor Makanu:

¿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 fichas
 
Maxim Dmitrievsky:

entonces 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)

 
Aleksey Nikolayev:

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

     double arr[];
     CopyClose(_Symbol,0,0,100,arr);
     double kurt = MathKurtosis(arr);
     double skew = MathSkewness(arr); 
     if(kurt > 2.0) if(rand()/32767.0<0.5) res = 0; else res = 1;
     else {
      if(skew >0) if(rand()/32767.0>prob_shift) res = 0; else res = 1;
      if(skew <0) if(rand()/32767.0<prob_shift) res = 0; else res = 1;

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


 
Maxim Dmitrievsky:

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

 
Maxim Dmitrievsky:

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?

1...119711981199120012011202120312041205120612071208120912101211...3399
Nuevo comentario