Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3061

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

He leído dos artículos de estos - fueron la base de las ideas junto con el video.

https://habr.com/ru/companies/ru_mts/articles/485980/

https://habr.com/ru/companies/ru_mts/articles/485976/ 

Bueno, estoy trabajando en una tarea similar, así que tengo mi propia visión de los matices. Pero sí, la nueva terminología es confusa.

Restar probabilidades de predicciones de modelos - bueno, no creo que sea una buena idea, especialmente si sabes cómo se distribuyen estas probabilidades en CB.

Si vas a experimentar con bibliotecas especializadas en estos temas - comparte tus resultados y tu visión de la situación.

Siempre y cuando se deslice la idea principal de su enfoque - lo principal es la experiencia y el conocimiento del analista sobre el tema de análisis :)

se ofrece un conjunto de herramientas, trabájelo.

si piensa de forma demasiado abstracta, todo el mundo está trabajando en una "tarea similar" (sólo que no pueden formular cuál).

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

el conjunto de herramientas que se ofrece, descúbrelo.

Si piensas de forma demasiado abstracta, todo el mundo está trabajando en una "tarea similar" (solo que no pueden formular cuál).

Tengo un hilo aparte en el foro para resolver el problema. El objetivo es sólo establecer si un nuevo factor que influye en la distribución de probabilidad del predictor (segmento cuántico) aparecerá o no.

Aunque hace tiempo que no trabajo en ello. Más concretamente, necesito transferir ideas del papel al código.

Es difícil para mí para hacer frente a tal cosa sin conocimientos básicos de python o er. No tengo nada de tiempo libre y me canso rápidamente. Aunque las pastillas me han ayudado un poco - pero las tomo cuando me apetece....

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

Tengo un hilo aparte en el foro sobre la resolución del problema. El objetivo es establecer si aparecerá o no un nuevo factor que influya en la distribución de probabilidad del predictor (segmento cuántico).

Aunque hace tiempo que no trabajo en ello. Más concretamente, necesito transferir las ideas del papel al código.

Es difícil para mí para hacer frente a tal cosa sin conocimientos básicos de python o er. No tengo nada de tiempo libre y me canso rápidamente. Aunque las pastillas me han ayudado un poco - pero las tomo cuando me apetece....

Tengo que ponerme tareas que pueda hacer. No hay manera de leer lo que dice. La frecuencia tiene una cronología... demasiado descarada. Entonces mi dedo pinchó la cruz por reflejo ❌.

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
Tienes que fijar tus propios objetivos. No hay manera de leer lo que dice. La frecuencia tiene una escala de tiempo... demasiado descarado. Entonces mi dedo pinchó la cruz por reflejo ❌.

Sí, fue la escala de tiempo lo que tomé, es la única manera de normalizar las medidas independientes en esa muestra, y el valor de aplicación no se pierde.

Estoy de acuerdo en que el problema es difícil y puede que no encuentre la solución. Sin embargo, veo que esta es la razón principal por la que los modelos dejan de funcionar: la distribución del cambio de probabilidad en el rango del predictor cambia mucho con el tiempo. Y aquí podemos o bien buscar la razón por la que esto ocurre - detectar el momento de aparición de un nuevo factor, o bien buscar las condiciones previas para la variabilidad a partir de la historia de la "vida" - una especie de tarea de supervivencia.

Si observamos su enfoque a través de este conocimiento, entonces busca indirectamente áreas en el periodo de entrenamiento donde las distribuciones son estables para los predictores que son significativos en ese momento, filtrando otras áreas con una distribución diferente según algunos criterios. Sin embargo, el hecho de que estas áreas de la muestra sean diferentes para distintos predictores hace que se corte un periodo de muestreo muy grande. Intente reducir el número de predictores en cada iteración: esto reducirá el conflicto de sesgo de probabilidad entre predictores y, por tanto, puede aumentar el Recall.

[Maxim Dmitrievsky]

La frecuencia no tiene una línea de tiempo. Sólo estoy trabajando con errores de modelo :) este enfoque expresado hace mucho tiempo, no sabía acerca de la técnica de elevación. Resultó haber hecho más o menos lo mismo. ¿Qué sentido tiene mirar estas distribuciones? Visualización de lo que ya está claro.

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
La frecuencia no tiene una línea de tiempo. Sólo estoy trabajando con errores de modelo :) este enfoque expresado hace mucho tiempo, no sabía acerca de la técnica de elevación. Resultó haber hecho más o menos lo mismo. ¿Qué sentido tiene ver estas distribuciones? Visualización de algo que ya está claro.

Quizá me equivoque con el término, ¿de qué otra forma se llama a la frecuencia de un suceso en un momento determinado del tiempo?

No hablo de visualización... hablo de cómo abordar este problema de forma más eficaz.

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

Tal vez me equivoque con el término, ¿de qué otra forma se llama a la frecuencia de un acontecimiento en un momento determinado?

No estoy hablando de visualización... Estoy hablando de cómo trabajar más eficazmente con este problema.

Está todo en el hilo, puedes buscar el resto en Google. He puesto un libro sobre causal.

Exacto, debido a un montón de términos que no están en el tema, se escapa el significado de lo que está pasando. Aunque la tarea en sí puede ser muy simple.

[Vladimir Perervenko]

No sé qué te ha atraído de este tema. Para los usuarios de R, aquí hay una serie de paquetes sobre este tema. Podrían ayudar a comprenderlo o utilizarlo. R 4.2.3/4.3.0

other attached packages:
 [1] regmedint_1.0.0               PSweight_1.1.8                MatchIt_4.5.3                
 [4] InvariantCausalPrediction_0.8 mboost_2.9-7                  stabs_0.6-4                  
 [7] glmnet_4.1-7                  Matrix_1.5-4                  grangers_0.1.0               
[10] dagitty_0.3-1                 CompareCausalNetworks_0.2.6.2 CERFIT_0.1.0                 
[13] causalweight_1.0.4            ranger_0.15.1                 causalsens_0.1.2             
[16] CausalQueries_0.1.0           Rcpp_1.0.10                   dplyr_1.1.2                  
[19] causalPAF_1.2.5               causaloptim_0.9.7             igraph_1.4.2                 
[22] CausalMBSTS_0.1.1             KFAS_1.5.0                    CausalKinetiX_0.2.1          
[25] CausalImpact_1.3.0            bsts_0.9.9                    xts_0.13.1                   
[28] zoo_1.8-12                    BoomSpikeSlab_1.2.5           Boom_0.9.11                  
[31] CausalGAM_0.1-4               gam_1.22-2                    foreach_1.5.2                
[34] causaleffect_1.3.15           causaldrf_0.4.2               causaldata_0.1.3             
[37] causalCmprsk_1.1.0            causal.decomp_0.1.0       

Sólo aplicando "sr" hasta ahora.

Suerte

[Maxim Dmitrievsky]

El señor de los paquetes está aquí

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
Está todo en el hilo, puedes buscar el resto en google. Descargado el libro sobre causal.

Exacto, debido a un montón de términos fuera de tema, el significado de lo que está sucediendo se escapa. Aunque la tarea en sí puede ser muy sencilla.

No he visto el libro.

No me importa corregir los términos, te sugerí que eligieras otro término, pero de hecho has pasado a otro tema....

Por supuesto, hay que meterse en las ideas de los demás, lo que a veces no es fácil, estoy de acuerdo.