Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3103
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
Visualmente, los gráficos son similares).
La heteroscedasticidad se modela en econometría y en todo tipo de estadística aplicada. Hay muchas pruebas inventadas. R debería tenerlas todas. El problema es que dan una estimación del pasado y no es seguro que sirva para el momento actual.
Yo no lo veo igual que el uso de SB.
Por ejemplo, si encuentro un patrón complejo en el mercado, puedo generar una SB y ver si está ahí.
Si no está en la SB, es algo bueno, he encontrado una propiedad que es inherente sólo al mercado.
y si hay un patrón en la SB, es malo? no sé, ¿es malo que haya un patrón en ambos?
Bueno, me gustaría leer a personas inteligentes que ya han hecho esta pregunta.
Aquí es donde se encuentra el desarrollo de toda la humanidad.
Si se comprenden las razones por las que el modelo no funciona, formado por métodos estándar, es necesario buscar una solución al problema. Aunque no sea la ideal, pero que permita aplicar el modelo en el mercado con mayor confianza y probabilidad de éxito. Luego, con los ingresos para dedicarse a un estudio más profundo del problema y la mejora.
Si consideramos las neuronas, quizás sería posible dividir la muestra en bachs y aumentar el número de bachs (áreas de cambio en la distribución de probabilidad) con el objetivo de que contribuyan por igual al proceso de aprendizaje. Con los árboles es más difícil, aunque CatBoost utiliza bachi similares en muestras grandes, pero no es posible controlarlos ni gestionarlos. Aunque había una tecnología para el aprendizaje continuo - no he experimentado con ella.... ¿Lo ha hecho?
He hecho variantes con pre-aprendizaje, no funcionó así. En el bousting, los pesos de iteraciones pasadas no cambian durante el cincelado, como en las neuronas, sólo encima. Esto es una desventaja.
He hecho neuronas de todas las arquitecturas también, incluyendo codificadores-decodificadores para generar datos sintéticos. Tampoco es muy necesario en el foreach.No lo veo de la misma manera que veo el uso de SB.
Por ejemplo, si he encontrado algún patrón complejo en el mercado, puedo generar SB y comprobar si está ahí.
Si no está ahí, entonces es algo bueno, he encontrado una propiedad que es inherente sólo al mercado.
y si está en la SB, ¿es malo? no sé, ¿es malo que el patrón esté ahí y exista?
Bueno, me gustaría leer a personas inteligentes que ya han hecho esta pregunta.
Bueno, es una especie de truco de caballeros estándar para un trader-tester. Encuentras un patrón en el mercado. Luego lo compruebas en una cotización basada en el SB. Si el pronóstico en el SB es 50/50, entonces puedes más o menos confiar en la prueba. Si el porcentaje de previsión es más o menos el mismo, entonces buscas dónde hay una mirada hacia el futuro. Si no la hay, hay que buscar un astuto vistazo al futuro. Si no lo hay, buscas una mirada muy astuta al futuro. Algo así.
Bueno, es una especie de truco de caballero estándar para un comerciante de prueba.
A la locura de los valientes :)
Coronas con descuento :).
¿Hemos terminado con el PBO?
¿Has hablado suficiente y te has olvidado?
¿Está hecho el PBO?
¿Has hablado suficiente y te has olvidado?
No olvidado, sino descartado.
Siempre se debe probar en dos archivos.
El primero se divide en tres partes por muestra: 70%, 15%, 15%. En el primero aprende con la comprobación cruzada con un mínimo de 5 pliegues y un pliegue suficientemente grande. Para RF es 1500. A continuación, ejecutamos en la segunda y tercera muestra, y luego en el segundo archivo, que es "tal cual". Los errores de clasificación en todas las muestras deberían ser aproximadamente iguales.
¿Qué añadirá a esto la RFO?¿Qué aporta además el RHE?
Lo que hace está escrito en el artículo
Todo el dolor de estas pruebas A/B en un vídeo
(no ver para los particularmente impresionables)
Todas las dificultades de las pruebas A/B en un solo vídeo
(no ver para los particularmente impresionables)
¿No te parece que al principio habla de un ejemplo binario, pero en el código toma un rango de números de una distribución normal?
Además, todas estas pruebas dependen de un generador de números aleatorios, también hay que tenerlo en cuenta. La naturaleza de la aparición de los números puede ser más compleja para cada fenómeno, aunque tenga una distribución normal.
En este planteamiento del problema, como muestra, es más razonable entonces no medir "días", sino evaluar la dinámica de llegar al umbral y el tiempo de estar más allá del umbral.
En general, sería más útil observar el fenómeno en datos reales para sacar conclusiones al respecto.