Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3177
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
La cola y los demás parámetros de la serie seguirán siendo los mismos. Creo que eso es una ventaja.
Se corre el riesgo de volver a enredarse en discusiones inútiles. ¿Cuál es la diferencia entre un conjunto encontrado al azar que funciona en oos y uno que se inventó mediante el sufrimiento mental más duro, pero también sin justificación fundamental? Cuando el método de validación es el mismo. Pregunta retórica.
¿Cuál es la diferencia entre una búsqueda aleatoria y una búsqueda con un elemento de aleatoriedad en la elección? ))El objetivo es detectar la infracción de las normas, y para ello es necesario saber cómo son en la forma correcta. En otras palabras, qué características estadísticas descriptivas pueden indicar que se trata efectivamente de un patrón. Si las conoces, la desviación de estas reglas sería una señal para detener el modelo.
Y, ensamblar un modelo a partir de tales reglas sigue pareciendo una solución más estable que ensamblar pura aleatoriedad.
Un par de reglas que dan el principal beneficio pueden entrar en el aleatorio, pero luego el mercado puede olvidarse de ellas durante un tiempo. Con la aleatoriedad es más probable que cunda el pánico y se desconecte el modelo al principio de una reducción, pero con el enfoque que sugiero, es decir, esperar a que cambie el orden de las reglas, una reducción puede reconocerse como un fenómeno normal.
Y el efecto descrito anteriormente se puede ver claramente en los gifs que hice, donde en un caso la prueba de la muestra en más, y en otro caso - aunque las reglas son todos tomados del tren de la muestra, pero su (reglas) aparición no es uniforme en el tiempo.
El plus del enfoque, idealmente, es evitar el muestreo de examen por completo.
Una alternativa podría ser la estimación profunda de modelos - también hay algunos trabajos en esta dirección.
Como resultado, utilizando sólo un modelo aleatorio:
1. 1. No sabemos por qué funciona.
2. 2. No sabemos por qué ha dejado de funcionar.
3. No sabemos cómo "arreglarlo".
4. No sabemos si ha llegado el momento de dejar de operar.
5. La vida útil de un modelo aleatorio será más corta porque contiene reglas erróneas.
En la aleatoriedad, personalmente obtengo más o menos lo siguiente - de 100 modelos 30 de 30 son seleccionados dentro de medio año en la zona rentable alrededor de 10. Quiero por lo menos 50% a 50%, entonces podemos hacer partfiles.
¿No bastaría con mezclar la columna con la columna de destino?
La cola y los demás parámetros de la serie seguirán siendo los mismos. Creo que eso es una ventaja.
¿Puedes explicarlo mejor? No lo entiendo.
La pregunta era retórica
No tienes ninguna necesidad de entender lo que estoy explicando, y por eso no tengo ningún deseo de gastar energía en reexplicaciones. Quédate con tu opinión sobre la identidad del resultado con diferentes enfoques.
No tienes ninguna necesidad de entender lo que estoy explicando, y por esta razón no tengo ningún deseo de gastar energía en una explicación repetida. Quédate con tu opinión sobre la identidad del resultado en los distintos planteamientos.
Es decir, necesito generar un binario objetivo para una muestra, digamos, y ver con qué frecuencia se encontrarán segmentos cuánticos con mi técnica para diferentes predictores, y así 10 veces?
Si el número de segmentos cuánticos que se encuentran sobre el mismo número en promedio como lo es ahora para todos los predictores, entonces el método no funciona, ¿entiendo el pensamiento correctamente?
Pues sí, la cuestión es repetir el procedimiento muchas veces en un gran número de problemas obviamente sin sentido. A continuación, ver cómo se ve la aplicación en datos reales específicos en relación con ellos - si no se destaca mucho, entonces el método es malo. Normalmente se formaliza contando algún número en cada aplicación del método y se extrae una muestra, y luego se ve si el número calculado sobre datos reales cae lejos en su cola - si es así, entonces ok.
He aquí que, si no se te da un patrón en la serie original, el camino hilbertiano no te conducirá a tu anhelada meta. Vuestros esfuerzos se convertirán en diabluras, y encontraréis una ignominiosa matanza en lugar del paraíso.
El problema de los sectarios es el miedo a poner a prueba sus dogmas religiosos.
Siempre hay muchos modelos: la cuestión es la elección correcta.
¿No bastaría con mezclar la columna con la columna de destino?
La cola y los demás parámetros de la serie seguirán siendo los mismos. Creo que es una ventaja.
Tampoco está mal. Probablemente sea mejor probar ambos métodos. Si hay muchos valores atípicos en los rasgos (colas pesadas), los resultados pueden ser diferentes, lo que puede dar información adicional.
El problema de los sectarios es su miedo a que se pongan a prueba sus principios religiosos.
Siempre hay muchos modelos, es cuestión de elegir el correcto.
Al menos yo lo he intentado.