Discussion de l'article "Les forêts aléatoires prédisent les tendances" - page 4
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
La sélection des modèles et des prédicteurs est interdépendante. Il convient tout d'abord de choisir un modèle, puis de sélectionner les variables prédictives basées sur ce modèle en triant les variables prédictives qui ont le moins d'"utilité" dans la prédiction par le même modèle. Bien que de nombreux articles et manuels enseignent le contraire, nous sélectionnons d'abord les variables prédictives à l'aide d'une méthode de calcul de la relation entre ces variables prédictives et la série cible - la sortie. Les méthodes de sélection les plus courantes sont le coefficient de corrélation entre les prédicteurs et la sortie et l'information mutuelle. Ensuite, un modèle est sélectionné, généralement sans rapport avec la manière dont les prédicteurs ont été sélectionnés. Si vous y réfléchissez (et les manuels d'économétrie ne vous le diront pas, vous devez y réfléchir par vous-même), la méthode de sélection des variables prédictives par le coefficient de corrélation avec la sortie sélectionne essentiellement les variables prédictives qui auront l'erreur la plus faible dans un modèle de régression linéaire (LRC). La méthode de sélection des prédicteurs par leur information mutuelle avec la sortie sélectionne essentiellement les prédicteurs qui donneront l'erreur la plus faible dans un modèle basé sur la régression Nadaraya-Watson (nom abscons GRNN).
L'effet des prédicteurs sur la variable cible ne peut être établi par la corrélation et n'est pas établi par la régression. Cela se fait différemment. Le plus populaire est l'indice de Gini, mais j'ai réussi à l'utiliser et à utiliser mes propres considérations et une certaine séquence d'actions. Alors que j'ai réussi à trouver un ensemble de prédicteurs pour la prédiction de la tendance, je n'ai pas réussi à trouver un ensemble de prédicteurs pour la prédiction de l'augmentation des prix.
J'aimerais attirer votre attention sur mon livre. Le problème des prédicteurs est beaucoup plus complexe que la corrélation et l'indice de Gini. Le livre clarifie beaucoup de choses.
faa1947:
Je voudrais attirer votre attention sur mon livre. Le problème des prédicteurs est beaucoup plus complexe que la corrélation et l'indice de Gini. Le livre clarifie beaucoup de choses.
Je voudrais attirer votre attention sur mon livre. Le problème des prédicteurs est beaucoup plus complexe que la corrélation et l'indice de Gini. Le livre clarifie beaucoup de choses.
Le livre n'est pas là, il y a une publicité.
Auparavant, il y avait peu d'informations sur les réseaux ici. Les gens voulaient étudier ces réseaux et les essayer en bourse. Aujourd'hui, il y a beaucoup de livres et d'articles sur les réseaux, avec des instructions pas à pas sur la manière de les utiliser. Je regarde ces livres et ces articles sur les réseaux et non seulement ils me découragent de lire, mais ils provoquent même un certain dégoût pour les réseaux. Le problème de ces écrits est qu'ils n'essaient même pas d'intéresser le lecteur : les lire et les utiliser. Et pourquoi perdre du temps ? Où est l'appât ? Montrez au début du livre ou de l'article un résultat attrayant du trading en utilisant les méthodes décrites dans le livre ou l'article et nous serons intéressés à les lire et à les comprendre. Je suis en train de lire un nouvel article sur les réseaux profonds et je me demande qui le lira, à l'exception de quelques spécialistes qui connaissent déjà ces réseaux. Je connais également ces réseaux et je sais qu'ils ne sont pas applicables aux transactions sur le marché, pas plus que d'autres réseaux. Même l'inventeur de ces réseaux, Jeffrey Hinton, l'a reconnu il y a longtemps. Écoutez ses conférences sur YouTube.
Le livre n'est pas là, il y a une publicité.
Auparavant, il y avait peu d'informations sur les réseaux ici. Les gens voulaient étudier ces réseaux et les essayer dans le cadre de leurs activités commerciales. Aujourd'hui, il y a beaucoup de livres et d'articles sur les réseaux avec des instructions pas à pas sur la manière de les utiliser. Je regarde ces livres et ces articles sur les réseaux et non seulement ils me découragent de lire, mais ils provoquent même un certain dégoût pour les réseaux. Le problème de ces écrits est qu'ils n'essaient même pas d'intéresser le lecteur : les lire et les utiliser. Et pourquoi perdre du temps ? Où est l'appât ? Montrez au début du livre ou de l'article un résultat attrayant du trading en utilisant les méthodes décrites dans le livre ou l'article et nous serons intéressés à les lire et à les comprendre. Je suis en train de lire un nouvel article sur les réseaux profonds et je me demande qui le lira à part quelques spécialistes qui connaissent déjà ces réseaux. Je connais également ces réseaux et je sais qu'ils ne sont pas applicables aux transactions sur le marché, pas plus que d'autres réseaux. Même l'inventeur de ces réseaux, Jeffrey Hinton, l'a reconnu il y a longtemps. Écoutez ses conférences sur YouTube.
La tâche habituelle d'un trader lorsqu'il développe un TS est de trouver un ensemble de signaux qui prédiront l'avenir, ce que l'on appelle le modèle. Nous prenons des indicateurs prêts à l'emploi, nous les achetons, nous les écrivons nous-mêmes, nous les combinons les uns avec les autres...
Je soutiens que ce problème n'existe pas. Il existe des algorithmes qui trouvent tous les modèles possibles pour un ensemble donné de prédicteurs. Dans mon article et mon livre, il y a environ 200 modèles. Il est impossible de trouver quelque chose de semblable de manière traditionnelle.
De plus, maîtrisant R, je n'ai aucun problème à changer un algorithme pour trouver des modèles, par exemple, les réseaux neuronaux, pour les réseaux neuronaux profonds, et eux pour quelque chose d'autre. De plus, il n'est pas nécessaire d'expliquer ce que l'algorithme a trouvé.
Et quel est le problème ?
Et dans ce que vous avez écrit dans votre post ci-dessus : la sélection appropriée des prédicteurs. J'ajouterai. Un prétraitement correct des prédicteurs. C'est une compétence. En lisant des livres, vous aurez cette compétence, puisque vous y avez réfléchi vous-même.
Et mon livre ? Il s'agit d'un examen superficiel de l'ensemble du problème, et pas seulement d'algorithmes spécifiques pour la recherche de motifs. Je vous garantis un résultat : vous maîtriserez plusieurs schémas à un niveau suffisant pour faire du trading, sans vraiment approfondir ces schémas, avec toutes sortes de perseptrons, de couches, de bugging et de bousting - tout cela ne sera pas nécessaire pour vous. Vous vous concentrerez sur les prédicteurs.
C'est une approche complètement différente.
Et je voudrais terminer en vous rappelant les axiomes de la statistique : "Garbage in - rubbish out". Et aucun modèle, aucun algorithme ne peut changer cela. Par conséquent, au lieu d'un trait d'union, nous devrions mettre une boîte noire avec un nom quelconque et ne pas nous en préoccuper, mais nous occuper de la mise à la poubelle.
La tâche habituelle d'un trader lorsqu'il développe un TS est de trouver un ensemble de signaux qui prédiront l'avenir, ce que l'on appelle le modèle. Nous prenons des indicateurs prêts à l'emploi, nous les achetons, nous les écrivons nous-mêmes, nous les combinons entre eux ....
Je prétends que ce problème n'existe pas. Il existe des algorithmes qui trouvent tous les modèles possibles pour un ensemble donné de prédicteurs. Dans mon article et mon livre, il y a environ 200 modèles. Il est impossible de trouver quelque chose comme cela de manière traditionnelle.
De plus, maîtrisant R, je n'ai aucun problème à changer un algorithme pour trouver des modèles, par exemple, les réseaux neuronaux, pour les réseaux neuronaux profonds, et eux pour quelque chose d'autre. De plus, il n'est pas nécessaire d'expliquer ce que l'algorithme a trouvé.
Et quel est le problème ?
Et dans ce que vous avez écrit dans vos messages ci-dessus : la sélection appropriée des prédicteurs. J'ajouterais. Un prétraitement correct des prédicteurs. C'est une compétence. À force de lire des livres, vous aurez acquis cette compétence, donc vous y avez pensé vous-même.
Et mon livre ? Il s'agit d'un examen superficiel de l'ensemble du problème. En même temps, je vous garantis un résultat : vous maîtriserez plusieurs modèles à un niveau suffisant pour faire du trading, sans vraiment vous plonger dans ces modèles, toutes sortes de perseptrons, de couches, de bugging et de bousting - tout cela ne sera pas nécessaire pour vous.
Une approche complètement différente.
Utilisez-vous vous-même ces méthodes dans le cadre de vos activités commerciales ? Et quels sont les résultats ? Je suis sérieux, faites au moins allusion aux résultats. Par exemple, j'ai gagné assez d'argent pour ne plus avoir à écrire de livres, j'ai acheté une villa à Nice ou aux Bahamas et je suis en vacances, je fais de la philanthropie, je donne des livres gratuitement.
Si vous parvenez à trouver un ensemble de prédicteurs, vous réaliserez votre liste.
PS.
Et le livre ? Il vous permet de réunir un groupe agréable, et son prix élimine les chercheurs de graal.
Dites-moi, n'est-il pas possible de citer Out Of Sample au moins une fois ?
PS. Je vous ai envoyé un e-mail.
Dites-moi, n'est-il pas possible de citer Out Of Sample au moins une fois ?
PS. Je vous ai envoyé un e-mail.
Tableau 2 dans la section 5.3 de mon article. Le package rattle() donne l'ALE automatiquement ainsi que d'autres informations très utiles, qui sont montrées dans l'article. En outre, le code du programme est généré à partir de toutes ces informations, qui peuvent être utilisées de manière autonome sans rattle(). Mon livre fait 400 pages, donc tout est décortiqué dans les moindres détails, y compris l'idéologie d'utilisation, qui n'est pas dans la documentation originale de rattle() et les paquets qu'il utilise. rattle est un shell, une interface graphique.
PS.
J'ai répondu à votre email
Tableau 2 dans la section 5.3 de mon article. Le paquet rattle() donne automatiquement l'ALE ainsi que d'autres informations très utiles, qui sont présentées dans l'article. En outre, toutes ces informations sont utilisées pour générer un code de programme qui peut être utilisé de manière autonome sans rattle(). Mon livre fait 400 pages, donc tout est décortiqué dans les moindres détails, y compris l'idéologie d'utilisation, qui ne se trouve pas dans la documentation originale de rattle() et des paquets qu'il utilise. rattle est un shell, une interface graphique.
PS.
L'email a répondu
Je voulais parler d'un test hors échantillon dans MT4 - l'intérêt est purement le profit du modèle. Disons que le zigzag + ou - avec une erreur de 17...20% dans la pratique peut se transformer en un autre grand draineur.
PS. l'email a été reçu, j'espère pouvoir payer bientôt (je dois attendre l'accumulation de l'argent).
Je voulais parler du test Out Of Sample dans MT4 - l'intérêt est purement le profit du modèle. Disons que le zigzag + ou - avec une erreur de 17...20% dans la pratique peut se transformer en un autre grand draineur.
PS. l'email a été reçu, j'espère pouvoir payer bientôt (je dois attendre l'accumulation de l'argent).