Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3381

[fxsaber]

Maxim Dmitrievsky #:
El FF es el mismo, ¿no?

Cuando se buscan cien conjuntos, sí. Si uno encuentra cien a través de FF1, un mal conjunto promedio no dirá que no hay un buen conjunto. Porque un buen conjunto medio bien puede encontrarse a través de FF2.

[Valeriy Yastremskiy]

Andrey Dik #:
Los componentes pueden evaluarse por separado en un espacio multifuncional o todos juntos - metaevaluaciones, o de otro modo - evaluaciones integrales.

Son interesantes las referencias a trabajos sobre este tema.

[Maxim Dmitrievsky]

fxsaber #:

Si se buscan cien conjuntos, sí. Si uno encuentra cien a través de FF1, un mal conjunto medio no dirá que no hay un buen conjunto. Porque un buen conjunto promedio bien puede ser encontrado a través de FF2.

Así es.

[Aleksey Nikolayev]

mytarmailS #:

1)

¿Cuál es la contradicción?

selección de parámetros == búsqueda de parámetros en el algoritmo de optimización

estimación métrica del modelo == FF con estimación akurashi por ejemplo

¿Con qué no estás de acuerdo?

Lee esto, especialmente la sección "Función de pérdida = métrica de calidad". Creo que no podría dejarlo más claro.

mytarmailS #:

2)

¿Puedes explicar con más detalle cuál es el problema? Por ejemplo, no veo

Conduce a la ilimitación potencial del número de parámetros, ya que los espacios de funciones son de dimensión infinita. En la práctica conduce a la necesidad de controlar el número de parámetros de alguna manera - para los árboles es la poda de las hojas, por ejemplo.

[Andrey Dik]

Valeriy Yastremskiy #:

Los enlaces a obras sobre este tema son interesantes.

No puedo dar una referencia concreta, por desgracia. Más arriba di una lista de bibliografía, tendré que buscarla yo mismo, si alguien está interesado. Ya no me dedicaré a tales actividades educativas, mantenimiento de la biblioteca de libros y su catalogación - no es apreciado y no trae dinero.

"No sudes ante los cerdos..."

[Aleksey Nikolayev]

Andrey Dik #:

Lamentablemente, no puedo darte una referencia concreta. Más arriba he dado una lista de bibliografía, tendré que buscarla yo mismo, si alguien está interesado. Ya no me dedicaré a tales actividades educativas, mantenimiento de la biblioteca de libros y su catalogación - no es apreciado y no trae dinero.

"No sudes ante los cerdos..."

Me gustaría un enlace a algoritmos específicos sobre optimización multicriterio en el espacio de funciones. Pero si no está dispuesto a proporcionarlo, es mejor callarlo para mayor claridad) No estoy dispuesto a perder el tiempo buscándolo.

[fxsaber]

Valeriy Yastremskiy #:

Los enlaces a obras sobre este tema son interesantes.

Hay cierta picardía. Enlaces para asegurarse de que se abren. Nadie que esté "interesado" profundizará en ellos. Nadie leerá los artículos masticados de Andrei, y mucho menos obras de carácter académico.

¿Alguien ha visto este TOP de fácil comprensión con capacidad para calcular el ranking de su propio algoritmo de optimización?

Foro sobre trading, sistemas automatizados de trading y testeo de estrategias de trading

Aprendizaje automático en el trading: teoría, modelos, práctica y negociación de algoritmos

mytarmailS, 2024.01.11 10:29 AM

Y también nadie no se confunde como un algoritmo de optimización top-3 o incluso top-1 en el mundo, universalmente reconocido y bien conocido como PSO, que tiene al final de la calificación, y algunos know-nombres de los que nadie ha oído hablar como lobos grises, malas hierbas, etc Tiene los líderes))))

https://habr.com/ru/users/belyalova/publications/articles/

[Valeriy Yastremskiy]

Andrey Dik #:
mantener una biblioteca de libros y catalogarlos

No todo lo útil da dinero)))))

[fxsaber]

Maxim Dmitrievsky #:
Así es.

Foro sobre trading, sistemas automatizados de trading y comprobación de estrategias de trading.

Aprendizaje automático en el trading: teoría, modelos, práctica y negociación de algoritmos

Maxim Dmitrievsky, 2024.01.10 21:13

FF no es nada en absoluto, nada depende de él.

[Maxim Dmitrievsky]

Catbust, por ejemplo, tiene incorporadas unas 15 "métricas de evaluación" de uso común. Si el conjunto de datos está equilibrado, se suele utilizar la precisión; si no, la precisión equilibrada. Las demás no suponen una diferencia significativa. Si los datos son basura, las métricas no ayudan.