L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1299
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
Je faisais quelque chose de similaire - la question porte à nouveau sur les prédicteurs et les critères de sélection (cible). Maintenant (plusieurs mois plus tard), je vais terminer toutes les idées avec les prédicteurs et revenir à ce sujet. Et le résultat est là en général, j'ai posté précédemment comment de tels modèles fonctionnent, mais j'ai besoin de différents échantillons avec une dispersion différente, de préférence à partir de différents modèles.
Et qu'utilise AutoML comme prédicteurs et cibles ?
bien, la cible doit être connue, et les prédicteurs sont transformés sur des automates, et les modèles sont aussi énumérés
J'écrirai lorsque (et si) j'en apprendrai davantage.
J'attends que Google mette à jour TensorFlow à la version 2.0, avec, je l'espère, le support de Python 3.7. J'aime tout ce que fait google et ce paquet est celui de toutes les occasions, il a tout.
en fait, les cibles doivent être connues, et les prédicteurs sont transformés sur la machine, et les modèles sont également surchargés.
J'écrirai lorsque (et si) j'en apprendrai davantage.
J'attends que Google mette à jour TensorFlow vers la version 2.0, avec, je l'espère, le support de python 3.7. J'aime tout ce qui vient de chez google et ce paquet est celui de toutes les occasions, il a tout.
Écrivez quand vous aurez trouvé, je suis très intéressé par les prédicteurs s'ils sont publiquement stipulés ici. L'objectif est également difficile dans notre cas, en raison de l'estimation supplémentaire du modèle sur l'argent, ce qui est bon pour les TP et SL fixes, dans d'autres cas, même un bon modèle du point de vue de la capacité de prédiction peut échouer. Dans tous les cas, je prends en compte, dans l'estimation d'un modèle, la courbe de la balance de classification et je vérifie les tirages et d'autres critères, comme pour la balance normale, car j'attends une uniformité de la précision de la classification sur l'ensemble de l'échantillon.
Je n'ai pas encore python, je peux faire beaucoup de choses sans lui, j'ai beaucoup d'idées, qui ont besoin d'être réalisées.
Écrire quand on le fait, les prédicteurs sont très intéressants s'ils sont publiquement stipulés là. L'objectif est également difficile dans notre cas, parce qu'il y a une évaluation supplémentaire du modèle sur l'argent, il est bon pour ceux avec TP et SL fixe, pour d'autres cas, même un bon modèle en termes de capacité de prédiction, peut échouer. Dans tous les cas, je prends en compte, dans l'estimation d'un modèle, la courbe de la balance de classification et je vérifie les tirages et d'autres critères, comme pour la balance normale, car j'attends une uniformité de la précision de la classification sur l'ensemble de l'échantillon.
Et je n'ai pas encore installé Python - il y a beaucoup de choses que je peux faire sans lui, j'ai beaucoup d'idées qui doivent être mises en œuvre.
Je veux dire que les prédicteurs sont aussi les vôtres, mais transformés par AutoML lui-même, tout comme les résultats.
Je veux dire que les prédicteurs sont aussi les vôtres, mais ils sont transformés par AutoML lui-même et la sélection est automatique.
Il n'y a rien d'intéressant dans l'essence, c'est juste une enveloppe fournissant des fonctions supplémentaires :)
Alors essentiellement rien d'intéressant, juste une enveloppe qui donne des fonctionnalités supplémentaires :)
Il s'agissait de se débarrasser de la routine
Contrairement à certains articles qui suggèrent de faire toute la routine de datamining manuellement, ce qui est absurde dans des marchés non stationnaires.
J'ai déjà écrit à plusieurs reprises mon opinion selon laquelle l'approche statistique ne fonctionne pas sur les marchés non stationnaires (c'est-à-dire l'approche classique décrite dans les livres de statistiques et de MO).Il s'agissait de se débarrasser de la routine
Contrairement au fait que certains articles suggèrent de faire toutes les routines de datamining manuellement, ce qui est absurde sur des marchés non stationnaires.
J'ai déjà écrit à plusieurs reprises mon opinion selon laquelle l'approche statistique ne fonctionne pas sur les marchés non stationnaires (c'est-à-dire l'approche classique décrite dans les livres de statistiques et de MO).Eh bien, il faut encore trouver soi-même les cibles et les prédicteurs. Je pensais qu'il y avait des recherches sur les signes d'un modèle surentraîné par sa structure ou quelque chose comme ça. Il est important pour moi d'apprendre à trouver un modèle qui fonctionnera dans un échantillon indépendant de la formation et du test (ou vice versa - ce qui ne fonctionnera pas), mais ici se pose également la question "qu'est-ce que cela signifie de fonctionner ?" et ce n'est pas sans ambiguïté. Et l'automatisation de l'analyse des modèles n'est pas une chose difficile, du moins dans catbust, tout ce dont vous avez besoin est déchargé dans différents fichiers, et ensuite il suffit de les analyser, soit avec MT, comme je le fais, soit avec votre propre logiciel.
C'esttoujours à vous de trouver les cibles et les prédicteurs. Je croyais qu'il y avait eu des recherches pour trouver les caractéristiques d'un modèle surentraîné par sa structure ou quelque chose comme ça. Il est important pour moi d'apprendre à trouver un modèle qui fonctionnera dans un échantillon indépendant des données d'entraînement et de test (ou vice versa - lesquels ne fonctionneront pas), mais ici se pose également la question "qu'est-ce que cela signifie de fonctionner ?" et ce n'est pas sans ambiguïté. Et l'automatisation de l'analyse des modèles est facile, du moins dans catbust : tout ce dont vous avez besoin est déchargé dans différents fichiers, et il suffit ensuite de les analyser, soit avec MT, comme je le fais, soit avec votre propre logiciel.
c'est ce qu'il te semble maintenant, parce que tu n'as pas encore goûté de carottes plus sucrées.
Tu y arriveras à temps, si tu étudies au lieu de fantasmer.
Parce que votre fantaisie, comparée à celle des équipes de google ou de dipmind dans le domaine de l'IA, est une goutte d'eau dans l'océan. Donc vous devez prendre le prêt-à-porter.
S'ils écrivent que le modèle doit être utilisé de telle ou telle manière, c'est qu'il en est ainsi. Il n'y a rien à fantasmer, car il est important de comprendre ce qui a déjà été inventé.Vous le pensez maintenant, parce que vous n'avez pas encore goûté plus doux que les carottes.
tu y arriveras à temps si tu étudies au lieu de fantasmer...
Parce que vos fantasmes comme ceux de google ou dipmind, dans le domaine de l'IA, sont une goutte d'eau dans l'océan. C'est pourquoi vous devez le retirer de l'étagère.
Je ne comprends pas la profondeur de la pensée. Vous avez écrit que la cible et les prédicteurs doivent être créés par vous-même pour ce logiciel, et si c'est le cas, alors j'ai écrit que cela n'a pas beaucoup d'intérêt, car vous pouvez tout faire vous-même et saurez comment cela fonctionne, ce qu'il faut améliorer et corriger.
En ce qui concerne la deuxième partie de l'affirmation, je suis d'accord, mais je préfère prendre ce dont je comprends le fonctionnement.
Je ne comprends pas la profondeur de la pensée. Vous avez vous-même écrit que la cible et les prédicteurs doivent créer leur propre logiciel. Si c'est le cas, j'ai écrit que cela n'a pas beaucoup d'intérêt, car vous pouvez tout faire vous-même et vous saurez comment cela fonctionne, ce qu'il faut améliorer et corriger.
En ce qui concerne la deuxième partie de la déclaration, je suis d'accord, mais je préfère prendre ce que je comprends qui fonctionne.
AutoML a été donné comme exemple d'automatisation de l'ensemble du processus (ou presque), c'est le fond de la pensée. La chaîne logique est simple, à partir du poste initial. Vous vous dirigez vers une impasse.
L'exemple a été donné pour expliquer ce que l'on entend par généralisation et non par une extraction manuelle de connaissances comme vous le faites. Il est même dit que la machine fait mieux que l'homme dans presque toutes les phases.
Je doute que vous compreniez comment le catbust fonctionne.
autoML a été donné comme exemple d'automatisation de l'ensemble du processus (ou presque), c'est le fond de la pensée. La chaîne logique est simple, à partir du message initial. Vous vous dirigez vers une impasse.
L'exemple a été donné pour expliquer ce que l'on entend par généralisation et non par une extraction manuelle de connaissances comme vous le faites. Il est même dit que la machine fait mieux que l'homme dans presque toutes les phases.
Je doute que vous compreniez comment le catbust fonctionne.
Ok, essaye, dis-moi si tu veux. Et si possible, comparez ma sélection et celle de ML, si possible sans trop de travail de ma part.
Oui, je ne comprends pas parfaitement le fonctionnement d'un catbust, mais j'ai déjà la connaissance et l'expérience de l'opération, et tout cela prend du temps, ce qui conduit à une compréhension globale. Prendre quelque chose à partir de rien et essayer de l'utiliser dans mon travail alors qu'il n'y a pas suffisamment d'informations disponibles, eh bien, ce n'est pas confortable pour moi. Même avec catbust je dois chercher et tout comprendre, traduire, donc c'est bien qu'il y ait ceux qui comprennent mieux, il y a quelqu'un qui peut me demander les aspects techniques du code.