Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3209
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
Funciona en R 4.3.1 creo que es la última versión. Antes también funcionaba.
Compartí mi experiencia e información, y la información de Internet lo confirmó - que allí hay que instalar y descargar a mano - ya no podía lidiar con eso.
Leí un libro aquí en R - sobre 2017 - decidí probar una cosa, otra - todo ya no funciona - escupí.
Y lo que funciona - trabajó durante una semana - no está claro cuando el progreso se completará allí ...
No, por supuesto, tal vez tengo que hacer chamanismo allí y no tengo experiencia....
Compartí mi experiencia y la información, y la información de Internet lo confirmó - que allí hay que poner y descargar a mano - ya era demasiado para tratar.
Leí un libro aquí en R - sobre 2017 - decidí probar una cosa y otra - todo ya no funciona - me di por vencido.
Y lo que funciona - trabajó durante una semana - no está claro cuando se completará el progreso....
No, claro, a lo mejor hay que chamanizar y no tengo experiencia....
Cuando se acabarán estos guerreros de perezosos indefensos....
Y también las zorras que se tiran a las erres y a las bolsas.... que no es más que un experto...
Es el menor de los males. El mayor es que no necesitas casi nada de allí, como han demostrado los empaquetadores a lo largo de los años.
Este es el problema del software moderno en general - actualizaciones constantes por el bien de las actualizaciones y lo que funcionaba antes se rompe. Y la gente no puede mantener constantemente sus creaciones, y el interés y la vida pueden perder.....
Estoy interesado en comprobar nuevas ideas - tal vez habrá algo que me perdí. Un enfoque diferente. En cualquier caso, si ya existe una solución codificada, deberías probarla antes de escribir tu propio código.
Maxim Dmitrievsky #:
Я тоже начинал с Ратла на Р с подачи Саныча и с прочтения статей Владимира.
Normalmente dejaba más preguntas que respuestas :)
Y no llevaba a ninguna parte en ese sentido.
Yo también empecé con ratl y "crecí" con los artículos de Vladimir, ¡para lo que tiene un moño bajo y gratitud! Y creo que no hay más artículos de calidad en el recurso.
Y yo tenía preguntas, pero las preguntas deben ser cerradas y no dar un portazo....
Y me han guiado y me alegro de ello.
Toda la rama de los investigadores de mercado activos aquí se sienta en R, que es una especie de resumen ...
Toda la rama de investigadores de mercado activos está sentada aquí en R, eso es resumir un poco...
El problema mencionado anteriormente es que hay un modelo que tiene excelentes resultados en un archivo de entrenamiento y un archivo OOS. Entiendo que el fichero de entrenamiento se puede obtener incluso por muestreo aleatorio por muestra, y el OOS es un residuo del fichero de entrenamiento.
Pero cuando se ejecuta el modelo en un archivo externo, el resultado es catastróficamente malo.
Me acordé, tenía una variante de este tipo hace algunos años.
Me las arreglé para encontrar la razón. La razón era mirar hacia delante, una razón extremadamente inconveniente, porque es muy difícil entender qué es mirar hacia delante.
Entonces creé un modelo en el que el maestro son los incrementos de ZZ, y hay un montón de predictores, en cuyo cálculo interviene ZZ. Por ejemplo, la diferencia entre el precio y ZZ. Al entrenar, simplemente corté un trozo del archivo que no contenía los enlaces correctos de ZZ. Y al calcular los predictores, los valores ZZ que faltaban se ampliaban con el último enlace.
Los tres archivos (esto es en Rattle) que da una muestra aleatoria dio un error de clasificación de alrededor del 5%. Sin embargo, el cuarto archivo, que no está relacionado con los tres primeros, dio un error aleatorio.
Sin embargo, si eliminamos todos los predictores en cuyo cálculo participa ZZ, todo encaja: el error de clasificación es aproximadamente igual en los cuatro archivos.
Esto es mirar hacia adelante.
Con el reentrenamiento está claro: extremar la optimización en el comprobador, y en R limpiar la lista de predictores de basura. Pero, ¿cómo detectar el adelantamiento?
Por experiencia, lo siguiente es obvio: si el error de clasificación en el entrenamiento, la prueba y la validación es inferior al 10%, entonces debe descartar los predictores uno a uno hasta que el error aumente al 20% 30% ....