Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2581

Nuevo comentario
 
Maxim Dmitrievsky #:
Con python es conveniente ahora. He escrito mi probador, pero es posible portar modelos o comerciar a través de la api. Si se añade ONNX, será un auténtico cañón.

Me puse en contacto con el M1 mac, ahora llevo medio año esperando que llegue el catbusta, prometen un lanzamiento en 2 semanas. Hasta ahora a través de la máquina virtual en vin.
Hay un paquete para python para el backtest, ¿por qué no lo usas?

¿O ha escrito un probador con optimización?
 
mytarmailS #:
Hay un paquete de backtest para python, ¿por qué no lo usas?

¿O ha escrito un probador con optimización?
No me gustan los prefabricados, no son lo suficientemente flexibles. Lo he escrito específicamente para mis tareas con mis propias métricas. A grandes rasgos, para las cotizaciones de entrada y los resultados del modelo. Además, ahora tengo 2 modelos "adversarios" que se reentrenan varias veces, mejorando iterativamente. Los resultados de las mejoras también están tomados de mi probador.
 
Maxim Dmitrievsky #:
Un modelo aprende a operar, el otro filtra las señales.
Entiendo que está de moda crear algoritmos generativos, pero ¿cuál es la ventaja real de dos algoritmos condicionalmente simples que convergen y se mejoran mutuamente de un algoritmo complejo que lo hace por sí mismo, a grandes rasgos construye reglas de decisión más complejas por sí mismo que tus dos...
Sinceramente no entiendo los beneficios, es solo una moda
 
mytarmailS #:
Bueno, entiendo que ahora está en boga el suavizar generativamente los algoritmos, pero cuál es la ventaja real de dos algoritmos condicionalmente simples que se suavizan y mejoran mutuamente de un algoritmo complejo que lo hace por sí mismo, sólo a grandes rasgos construye reglas de decisión más complejas en sí mismo que sus dos...
Sinceramente no entiendo los beneficios, es solo una moda
Así que creé algo como esto y vi que es bueno ) El problema son los errores del modelo y encontrar patrones realmente estables, en el autómata. Esa es la idea básica desde el principio. Ahí es donde los enfoques ya pueden diferir. Un modelo no puede corregirse, dos sí.

Digamos que entrenas a una modelo, que es mala. ¿Qué hacer? ¿Pasar por algo tú mismo? Ni hablar, el hombre no ha nacido para el trabajo duro, sustituyes al hombre por un segundo modelo.
 
Maxim Dmitrievsky #:
Digamos que entrenas un modelo, es malo. ¿Qué hace usted? ¿Tiene que trabajar en algo usted mismo? No, el hombre no ha nacido para el trabajo intensivo, se sustituye a la persona por un segundo modelo.
Escucha, familiarízate por fin con los algoritmos de optimización y las funciones de fitness y deja de reinventar la bicicleta con ruedas cuadradas
 
mytarmailS #:
Mira, conoce los algoritmos de optimización, las funciones de fitness y deja de reinventar la bicicleta con ruedas cuadradas
Esto es diferente. A través de la optimización habrá un ajuste. A través del análisis y la corrección de errores del modelo también es un ajuste, pero se encuentran patrones estables desechando cosas innecesarias. Por lo menos se encuentra alguna meseta donde hay estabilidad. A través de la simple enumeración genética es más difícil, más de una paja.
 
Maxim Dmitrievsky #:
Esto es diferente. A través de la optimización habrá un ajuste. Mediante el análisis y la corrección de los errores del modelo también se trata de un ajuste, pero se encuentran patrones estables descartando cosas innecesarias. Por lo menos se encuentra alguna meseta donde hay estabilidad. A través de la simple enumeración genética es más difícil, más de una paja.

Ejemplo elemental.

necesitas formar a AMO para obtener el máximo beneficio ¿qué harás?


1) se hace un objetivo

2) se comparan los modeloscon métricas estándar como el RMSE (esto es profundamente irrelevante)

3) crear un grupo de mejores modelos

4) elegir el mejor modelo del grupo con mayor beneficio


Ahora una pregunta: ¿por qué cree que su grupo es el más absoluto de los mejores modelos en el sentido global? Ha pasado los modelos por dos filtros subjetivos

(1) su objetivo y (2) la medida de error RMSE.


¿No es mejor cambiar los pesos (si es una neurona) y crear reglas (si es un árbol) con el fin de obtener el máximo beneficio, la pregunta es retórica ... por supuesto, es mejor y más rápido

La cuestión es que te estás perdiendo otros grupos de modelos que ganan y estos grupos ganan millones

 
mytarmailS #:

Un ejemplo elemental.

necesitas formar a AMO para maximizar los beneficios ¿qué harás?


1) se hace un objetivo

2) ajustas los modeloscon métricas estándar como el RMSE (esto es profundamente irrelevante)

3) crear un grupo de mejores modelos

4) elegir el mejor modelo del grupo con mayor beneficio


Ahora una pregunta: ¿por qué cree que su grupo es el más absoluto de los mejores modelos en el sentido global? Ha pasado los modelos por dos filtros subjetivos

(1) su objetivo y (2) la medida de error RMSE.


¿No es mejor cambiar los pesos (si es una neurona) y crear reglas (si es un árbol) con el fin de obtener el máximo beneficio, la pregunta es retórica ... por supuesto, es mejor y más rápido

La cuestión es que te estás perdiendo otros grupos de modelos que están ganando y estos grupos tienen millones

Selecciono el R2 por balance, más el mínimo número de operaciones perdedoras, pero con la menor entropía (logloss) y máxima precisión. Por lo tanto, los modelos son más rentables por defecto. Es un criterio combinado. Además, estaría bien añadir los resultados de la validación cruzada a la estimación. Todavía no lo he hecho.
 
Maxim Dmitrievsky #:
Selecciono R2 por balance, más el mínimo número de operaciones perdedoras, pero con la menor entropía (logloss) y máxima precisión. Por eso los modelos son los más rentables por defecto.

Puede elegir entre modelos ya hechos o crear un modelo. Esa es la diferencia

 
mytarmailS #:

Puedes elegir entre los modelos prefabricados o crear un modelo. Esa es la diferencia.

Es cuando sabes qué crear y por qué. No están preparados, los tratos se muestrean aleatoriamente como en los artículos. No hay suposiciones o heurísticas a priori en ninguna etapa de la preparación de los datos, hay algunos rangos de valores como los tiempos máximos y mínimos de mantenimiento de los acuerdos.

Básicamente, todo el mecanismo funciona para encontrar lo desconocido, pero se supone que está ahí, pero no sabemos qué.
1...257425752576257725782579258025812582258325842585258625872588...3399
Nuevo comentario