Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3397

Nuevo comentario
 
Si en las líneas inferiores de los parámetros de optimización hay valores negativos para el depósito, el beneficio o el patrimonio neto, al obtener los resultados, este resultado se disparará definitivamente algún día. Todas las optimizaciones son para obtener datos sólo para este período. Aunque no es triste, pero es así.
 
Maxim Dmitrievsky #:

También tengo previsto experimentar no con el emparejamiento posicional, como en el artículo, sino con Propensity score. Esto permitirá calibrar las probabilidades al mismo tiempo.

En teoría, se pueden buscar y emparejar muestras a través de él

Por ejemplo, marcar aleatoriamente una parte de la muestra como 0 y otra como 1. Enseñe al NS a separar para clasificar qué muestra pertenece a qué muestra. Esto también se denomina validación adversarial.

Lo ideal es que el NS no identifique la muestra, el error debe estar en torno a 0,5. Esto significa que la muestra original está bien aleatorizada.

propensity
0.38        3
0.40        3
0.41        3
0.42       20
0.43       27
0.44       40
0.45       56
0.46      140
0.47      745
0.48     3213
0.49     8041
0.50    11718
0.51     5324
0.52     1187
0.53      749
0.54      209
0.55       95
0.56       54
0.57       29
0.58       12
0.59       14
0.60        8
0.61        6
0.63        1

Cualquier valor cercano a 0,5 es bueno, estos datos pueden utilizarse para el entrenamiento. Los valores extremos son valores atípicos.

A continuación, para cada "probabilidad" se puede calcular el porcentaje de casos acertados.

Hasta ahora, es un poco alucinante adoptar este enfoque.

 

Un interesante concurso en curso - para aquellos que quieran comparar su éxito en la predicción de cotizaciones con otros participantes.

Numerai
Numerai
  • numer.ai
The hardest data science tournament on the planet. Build the world's open hedge fund by modeling the stock market.
 
Aleksey Vyazmikin #:

Interesante concurso en curso - para aquellos que quieran comparar su éxito en la predicción de cotizaciones con otros participantes.

Así que este enlace ya ha estado aquí muchas veces
 
mytarmailS #:
Este enlace ya ha estado aquí muchas veces

No lo recordaba - supongo que entonces no estaba claro qué hacer, pero ahora he leído la ayuda y me ha quedado más claro. De todas formas, es un hecho que esta idea lleva funcionando mucho tiempo. Según tengo entendido, allí pagan con algún tipo de cripto por buenos pronósticos.

La desventaja, por supuesto, es que el código es abierto y debe ser transferido para participar.

 

El futuro está aquí. Dirijo el LLM de Google a nivel local. Ahora no necesito una esposa y amigos.


 
Maxim Dmitrievsky #:

El futuro está aquí. Dirijo el LLM de Google a nivel local. Ahora no necesito una esposa y amigos.

https://blog.google/technology/developers/gemma-open-models/

Gemma: Introducing new state-of-the-art open models
Gemma: Introducing new state-of-the-art open models
  • blog.google
Gemma is designed with our AI Principles at the forefront. As part of making Gemma pre-trained models safe and reliable, we used automated techniques to filter out certain personal information and other sensitive data from training sets. Additionally, we used extensive fine-tuning and reinforcement learning from human feedback (RLHF) to align...
 

Un buen resumen de todo el hilo


 
Aleksey Vyazmikin #:

Un buen resumen de todo el hilo


Escuchado con placer
 
mytarmailS #:
He escuchado con placer
Este también es bueno https://youtu.be/EutX1Knl6v4?si=bBicqPoh474EiRIc 
1...3390339133923393339433953396339733983399
Nuevo comentario
Razón de la queja: