Discusión sobre el artículo "Aproximación por fuerza bruta a la búsqueda de patrones (Parte VI): Optimización cíclica" - página 3
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
Pero buscar específicamente la belleza por Sharpe, R^2 o criterio en este artículo parece cuestionable. Tal vez me equivoque.
Muy cierto
Muy cierto que algo parece cuestionable )))) aún así, pero todo esto es un sonajero, mientras que alguien está muy bien o mal ya he convertido todo en un producto. ¿Qué pasa con la terminología, muy equivocado..... Estas curvas son solo una forma de acercar la desviación típica a la expectativa matemática, vamos gente..... Trabajar con una muestra limitada te obligará a hacerlo porque es la única forma de aumentar la confianza en esa muestra.
Muy cierto que algo se ve como dudoso ))) aun así, pero es todo bazofia, mientras alguien tenga mucha razón o no ya lo he convertido todo en un producto.
El hecho de convertir algo en un producto no significa que haga algo útil.
El resto lo contestaré más tarde.
Responderé al resto más tarde.
Sólo jugando con el TC para ajustar una curva de beneficios agradable es sobreentrenamiento, incluso si usted tiene OOS
¿Estás familiarizado con el error de prueba múltiple?
Familiarízate con estos materiales
P-hacking y backtests de reentrenamiento " Mathematical Investor (mathinvestor.org)
Cómo el sobreentrenamiento en historia en finanzas conduce a falsos descubrimientos " El Inversor Matemático (mathinvestor.org)
El sobreentrenamiento en lahistoria de los backtest y el error de probabilidad post-hoc " El Inversor Matemático (mathinvestor.org)
backtest-prob.pdf (davidhbailey.com)
AI in Finance: how to finally start to believe your backtests [3/3] | por Alex Honchar | Towards Data Science
Demystifying the Probability of Backtest Overfitting: A Step-by-Step Guide with Python Code and Visual aids | por Francesco Landolfi | Python en claro
Y entonces te darás cuenta de que sólo estás sobreentrenando, independientemente del criterio que utilices :
unaforma de acercar la desviación estándar a la expectativa matemática o la pendiente de la línea de regresión o la maximización de beneficios o Sharpe o.....
Lo que hay que hacer:
Ahora sólo estás ajustando una curva agradable a través de muchas iteraciones, el error de las pruebas múltiples muestra que incluso al azar se puede construir un TS que mostrará una curva agradable tanto en la prueba como en la traine.
Y es necesario
1) Desarrollar un sistema de simulaciones, intervalos de confianza y tomar la curva como resultado no de un cálculo de TS comercial como el que tienes, sino por ejemplo 50 simulaciones de TS en diferentes entornos, la media de estas 50 simulaciones para tomar como resultado la función de aptitud que debe ser maximizada/minimizada.
2) Mientras se busca la mejor curva (a partir del punto 1 ) mediante el algoritmo de optimización, cada iteración debería correlacionarse para realizar pruebas múltiples.
El problema de las pruebas múltiples en la práctica / Habr (habr.com)
Así son las cosas...
Ajustar el TC para que se adapte a una curva de beneficios es un sobreentrenamiento, incluso si tienes OOS.
¿Estás familiarizado con el error de prueba múltiple?
Lea estos materiales
P-hacking y backtests de reentrenamiento " Mathinvestor (mathinvestor.org)
Cómo el sobreentrenamiento histórico en finanzas conduce a falsos descubrimientos " The Math Investor (mathinvestor.org)
El sobreentrenamiento enpruebas históricas y el error de probabilidad post-hoc " El Inversor Matemático (mathinvestor.org)
backtest-prob.pdf (davidhbailey.com)
AI in Finance: how to finally start to believe your backtests [3/3] | by Alex Honchar | Towards Data Science
Demystifying the Probability of Backtest Overfitting: A Step-by-Step Guide with Python Code and Visual aids | por Francesco Landolfi | Python en claro
Y entonces te darás cuenta de que sólo estás sobreentrenando, independientemente del criterio que utilices :
unaforma de acercar la desviación típica a la expectativa matemática o a la pendiente de la línea de regresión o a la maximización del beneficio o a Sharpe o ....
Lo que hay que hacer:
Ahora sólo está ajustando una curva agradable a través de muchas iteraciones, el error de las pruebas múltiples muestra que incluso al azar es posible construir un TS que mostrará una curva agradable tanto en la prueba y en la traine.
Y es necesario
1) Desarrollar un sistema de simulaciones, intervalos de confianza y tomar la curvatura como resultado no de un cálculo de TS comercial como tienes, sino por ejemplo 50 simulaciones de TS en diferentes entornos, la media de estas 50 simulaciones a tomar como resultado de la función de aptitud que debe ser maximizada/minimizada.
2) Durante la búsqueda de la mejor curva (a partir del punto 1 ) por el algoritmo de optimización, cada iteración debería correlacionarse para realizar múltiples pruebas.
El problema de las pruebas múltiples en la práctica / Habr (habr.com)
Así son las cosas...
Ya he oído esto antes. Todo lo que es hermoso es el reentrenamiento. Sí, claro, es una función de aptitud y estamos buscando la cosa equivocada, los criterios de búsqueda están equivocados también. Función de aptitud... No tengo una red neuronal, en todo caso. Los problemas son comprensibles. Es sólo un problema de muestreo limitado, te lo resumiré, no estás prestando atención a lo que digo. Me has lanzado cien y quinientos artículos, como si tuviéramos tiempo de sentarnos a leer para demostrarte algo. Lo que ofreces es comprensible, pero juntarlo todo en un producto y darle a la gente lo contarás todo hasta la jubilación y no el hecho de que conseguirás tu ansiado grial.... Los recursos son limitados y el tiempo es limitado, personalmente para mi, si tienes más tiempo por dios profundiza más. He oído muchas cosas, no he leído artículos, pero estos problemas son evidentes y sin artículos, para una persona que piensa.
Ya lo he oído antes. Todo lo que es hermoso es el reentrenamiento. Sí, claro, las funciones de fitness y estamos buscando la cosa equivocada, los criterios de búsqueda son erróneos también. Función de fitness..... No tengo una red neuronal, en todo caso. Los problemas son comprensibles. Es sólo un problema de muestreo limitado, te lo diré en pocas palabras, no estás prestando atención a lo que estoy diciendo. Me has tirado cien y quinientos artículos, como si tuviéramos tiempo de sentarnos a leer para demostrarte algo. Lo que ofreces es comprensible, pero juntarlo todo en un producto y darle a la gente que lo vas a contar todo hasta la jubilación y no el hecho de que vas a conseguir tu ansiado grial... Los recursos son limitados y el tiempo es limitado, personalmente para mi, si tienes más tiempo por dios profundiza más. He oído muchas cosas, no he leído artículos, pero estos problemas son evidentes y sin artículos, para una persona que piensa.
A juzgar por tu respuesta no entiendes una mierda....
Bueno, ya veo que no entiendes una mierda, así que ¿quién tiene razón? Tu juicio es sólo tu juicio y nada más. Por ejemplo, veo que has leído artículos ingeniosos y viertes aquí enlaces haciéndote pasar por mega trader, pero en realidad nadie lo va a leer. He visto gente como usted, usted sabe un montón de palabras inteligentes, pero no sirve de nada. Necesitas entender y derivar formulas, investigar, tener tu propia experiencia y tu propia posición. Yo he estado metido en cripto y apuestas deportivas y lo se todo, no tengo nada que hacer para leer tus articulos. Todo lo que necesito lo deduzco yo mismo, cojo una libreta y escribo fórmulas.
Tienes que
1) Desarrollar un sistema de simulaciones, intervalos de confianza y tomar la curva como resultado no de un cálculo de TS comercial como el que tienes, sino por ejemplo 50 simulaciones de TS en diferentes entornos, la media de estas 50 simulaciones tomarla como resultado de la función fitness, que debe ser maximizada/minimizada.
2) Durante la búsqueda de la mejor curva (a partir del punto 1 ) por el algoritmo de optimización, cada iteración debería correlacionarse para realizar múltiples pruebas.
¿Hay algún ejemplo en el que alguien haya utilizado este enfoque y lo haya llevado a un resultado práctico? Pregunta sin burla, realmente interesante.
¿Hay algún ejemplo de alguien que haya utilizado este enfoque y lo haya llevado a un resultado práctico? La pregunta es sin burla, realmente interesante.
Yo lo he hecho y lo estoy aplicando.
Sería interesante ver ejemplos concretos. Está claro que mucha gente se limita a aplicarlo (aunque con éxito) y se calla. Pero alguien debería tener descripciones detalladas de lo que hicieron, lo que consiguieron y cómo siguieron negociando.