L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1289
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
Vous pourriez simplement courir en cercle en agitant les bras, le résultat serait à peu près le même).
En fait, je parle du cyclisme. Et les expériences mentales ne coûtent rien, mais peuvent être très utiles).
D'ailleurs, s'il y avait de véritables cycles sur le marché, ils pourraient toujours être distingués par l'analyse spectrale. Donc, sur des durées d'analyse complètement différentes - spectre de bruit pur. Je l'ai fait il y a longtemps, si je dois le répéter en utilisant Python, je ferai une démonstration.
quelles sont les erreurs finales ? les deux modèles et comment ils fonctionnent sur les nouvelles données
Merde, vous avez besoin d'une analyse approfondie ici
Le delta d'erreur est affiché, c'est-à-dire la contribution de ce prédicteur à l'erreur totale du modèle. Dans le domaine d'apprentissage, la suppression de 1 ne modifie pas l'erreur de plus de 0,5 % (puisque ce domaine présente une bonne adéquation), tandis que dans le domaine de validation, l'erreur varie jusqu'à 5,5 % (puisque ce domaine n'a pas été ajusté). La permutation sur les deux sections, stagiaire et validée, grimpe à 5-6%.
En général, le réentraînement aléatoire + le brassage aléatoire des nœuds donnent également des résultats aléatoires.
Je pense que je vais accumuler les prédicteurs par 1. Je pense que jusqu'à 10-20 généreront des modèles rapidement, puis ralentiront.
Le delta d'erreur est affiché, c'est-à-dire la contribution de ce prédicteur à l'erreur totale du modèle. Sur la parcelle d'entraînement, le fait d'en supprimer un ne modifie pas l'erreur de plus de 0,5 % (parce que l'ajustement était élevé sur cette parcelle), tandis que sur la parcelle de validation, l'erreur change jusqu'à 5,5 % (parce que cette parcelle n'a pas été ajustée). La permutation sur les deux sections, stagiaire et validée, grimpe à 5-6%.
En général, le réentraînement aléatoire + le brassage aléatoire des nœuds donnent également des résultats aléatoires.
Je pense que je vais accumuler les prédicteurs par 1. Je pense que jusqu'à 10-20 généreront rapidement des modèles, puis ralentiront.
Si les paramètres varient légèrement, c'est normal, la forêt est aléatoire. Si vous faites des semis, ça devrait toujours être la même chose.
C'est-à-dire qu'aussi bien là que là ~5% sur la validation, cela signifie qu'ils font le même travail.
y a-t-il un setcid dans l'alglieb ?
Il y a un gcf pour les splits.
Je viens de mettre dans l'EA ou le script ou quoi que ce soit MathSrand() avant la forêt d'entraînement ou pendant l'initialisation.
je pense que ça a même marché... j'ai oublié... maintenant je ne le fais plus car je n'en ai pas besoinEn fait, je parle de cyclicité. Et les expériences mentales ne coûtent rien, mais peuvent être très utiles).
D'ailleurs, s'il y avait de véritables cycles sur le marché, ils pourraient toujours être identifiés par l'analyse spectrale. Donc, sur des durées d'analyse complètement différentes - spectre de bruit pur. Je l'ai fait il y a longtemps ; si je dois le répéter en utilisant Python, je vous le montrerai.
Pourquoi ? Tout est clair de toute façon.
Il existe des cycles sur le marché, mais ils sont non périodiques, c'est-à-dire qu'ils apparaissent, se poursuivent et disparaissent. Probablement de manière aléatoire. La question est de savoir comment attraper ce phénomène (et si c'est possible), il n'y a plus de questions à poser à BP quotes.
Pourquoi ? C'est assez clair.
il existe des cycles sur le marché, mais ils sont non périodiques, c'est-à-dire qu'ils apparaissent, se poursuivent et disparaissent. Probablement de manière aléatoire. La question est de savoir comment attraper ce phénomène (et si vous y arrivez), il n'y a plus de questions pour les citations BP.
ily a des cycles sur le marché, mais ils sont non périodiques - Maxim, les cycles, par définition, sont périodiques, ou proches de cela - pseudo-périodiques. Il n'y a pas d'autres cycles). Ou bien ils ne sont pas des cycles).
Les phénomènes aléatoires ne peuvent être ni prédits ni détectés. On peut essayer de les détecter seulement dans le processus de leur apparition et de leurs signes de vie, au cours de la pièce, avec une certaine probabilité, peut-être très faible.
ily a des cycles sur le marché, mais ils sont non périodiques - Maxim, les cycles, par définition, sont périodiques, ou proches de cela - pseudo-périodiques. Il n'y a pas d'autres cycles). Ou bien ils ne sont pas des cycles).
Les phénomènes aléatoires ne peuvent être ni prédits ni détectés. Vous pouvez seulement essayer de les détecter dans le processus de leur apparition et de leurs signes de vie, au cours de la pièce, avec une certaine probabilité, peut-être très faible.
Comment expliquer... en bref, il y a un signal ou quelque chose qui prend la forme d'un cycle et après un point de bifurcation, il prend la forme d'un autre cycle. Ou point de bifurcation, quel que soit le nom que vous voulez lui donner, la signification ne change pas.
Je ne sais pas comment cela s'appelle scientifiquement, mais après une certaine demi-période, le cycle peut être "exécuté" avec une probabilité décente et une faible erreur, jusqu'à ce qu'il se brise à nouveau et qu'un certain temps (demi-période ou quel que soit le nom qu'on lui donne) passe, pendant lequel il peut reprendre. C'est un peu comme ça que ça marche en théorie.
comment expliquer... en bref il y a un signal ou quelque chose qui prend la forme d'un cycle, et après un point de bifurcation il prend la forme d'un autre cycle. Ou point de bifurcation, quel que soit le nom que vous voulez lui donner, la signification ne change pas.
Je ne sais pas comment cela s'appelle scientifiquement, mais après une certaine demi-période, le cycle peut être "mené" avec une probabilité décente et une faible erreur, jusqu'à ce qu'il se brise à nouveau et qu'un certain temps (demi-période ou quel que soit le nom qu'on lui donne) s'écoule, pendant lequel on peut reprendre le cycle.
Si vous le savez et qu'il existe réellement (appelons-le : le cycle de développement d'un phénomène, qui est lui aussi un événement récurrent), vous pouvez facilement l'utiliser.
Je ne peux voir de telles choses que dans l'histoire, lorsque les choses se sont déjà produites. En temps réel, je passe mon tour). D'ailleurs, il est fréquent que nous n'identifions un signal qu'une fois qu'il est terminé. Dans le traitement du signal, c'est souvent le cas.
comment expliquer... en bref il y a un signal ou quelque chose qui prend la forme d'un cycle et après un point de bifurcation il prend la forme d'un autre cycle. Ou point de bifurcation, quel que soit le nom que vous voulez lui donner, la signification ne change pas.
Je ne sais pas comment cela s'appelle scientifiquement, mais après une certaine demi-période, le cycle peut être "exécuté" avec une probabilité décente et une faible erreur, jusqu'à ce qu'il se brise à nouveau et qu'un certain temps (demi-période ou quel que soit le nom qu'on lui donne) s'écoule, pendant lequel on peut reprendre le cycle. En théorie, c'est comme ça que ça pourrait fonctionner.
Cela correspond facilement à ma théorie sur le marché. Juste quelqu'un avec beaucoup d'argent a activé son algorithme pour le recrutement de positions/transactions, une grande banque, peut-être la Banque centrale, bien sûr cela ne se fait pas rapidement, mais comme ce participant était dominant et que la situation du marché y a contribué, il a été possible de trouver des signes de son algorithme. Bien sûr, une fois que le participant a cessé d'influencer le marché, les panneaux ont cessé de fonctionner. Ces participants sont nombreux (peut-être 100), leurs algorithmes peuvent se chevaucher, mais on suppose qu'ils sont similaires (rappelez-vous l'analyse technique et l'obligation pour les banques de justifier leurs opérations de trading sur la base de cette analyse (du moins en Russie)), et pour cette raison il est logique d'analyser un grand échantillon, où un seul et même algorithme est exécuté plusieurs fois, il y a alors une chance de comprendre comment il fonctionne, de décrire ses signes indirects, mais le modèle doit apprendre à l'identifier et ne pas travailler sur le bruit à ce moment-là, en attendant que l'algorithme s'active, sous lequel Je pense que cela fonctionnerait bien sûr encore mieux sur les actions et les produits dérivés, je ne fais pas de MO sur le forex.
Mais l'essentiel est que nous devons trouver des modèles de 10 qui décrivent l'algorithme des individus les plus fortunés, et apprendre à déterminer quel algorithme est préférable à un moment donné. Comme le cycle de l'algorithme peut durer quelques jours et qu'il sera probablement répété pendant une courte période, il n'y a pas de problème si nous entrons avec un petit retard, il suffit de choisir le bon modèle pour cet algorithme.
Nous ne sommes tous que des petits poissons qui peuvent rejoindre la baleine - le grand acteur du marché - dans des conditions mutuellement avantageuses.Si vous le savez et qu'il existe réellement (appelons-le : le cycle de développement d'un phénomène, qui est lui aussi un événement récurrent), vous pouvez facilement l'utiliser.
Je ne peux voir de telles choses que dans l'histoire, lorsque les choses se sont déjà produites. Sur le réel - passe). D'ailleurs, c'est un phénomène courant quand on ne peut identifier un signal qu'après qu'il soit terminé. Dans le traitement du signal, c'est souvent le cas.
Elle existe sur l'historique, je ne sais pas comment l'algorithmer.