L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2581
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
Avec python, c'est pratique maintenant. J'ai écrit mon testeur, mais il est possible de porter des modèles ou de faire des échanges via l'api. Si ONNX est ajouté, ce sera un vrai canon.
Il existe un paquet backtest pour python, pourquoi ne l'utilisez-vous pas ?
Bien, je comprends que maintenant c'est en vogue de faire des algorithmes apaisés de manière générative, mais quel est l'avantage réel de deux algorithmes conditionnellement simples qui s'apaisent et s'améliorent l'un l'autre par rapport à un algorithme complexe qui le fait lui-même, juste en gros il construit des règles de décision plus complexes en lui-même que vos deux...
Ecoutez, apprenez à connaître les algorithmes d'optimisation, les fonctions de fitness et arrêtez de réinventer le vélo sur des roues carrées
C'est différent. Grâce à l'optimisation, il y aura un ajustement. Par l'analyse et la correction des erreurs de modèle, c'est aussi un ajustement, mais vous trouvez des modèles stables en éliminant les choses inutiles. Au moins, vous trouvez un plateau où il y a de la stabilité. Par simple énumération génétique, c'est plus difficile, c'est plus une branlette.
Exemple élémentaire.
vous devez former l'AMO pour un profit maximum, que ferez-vous ?
1) vous faites une cible
2) vous comparez les modèles à l'aide de mesures standard telles que le RMSE (ce qui n'est absolument pas pertinent).
3) créer un groupe des meilleurs modèles
4) choisir le meilleur modèle du groupe ayant le plus grand bénéfice.
Pourquoi pensez-vous que votre groupe est le meilleur modèle absolu au sens global? Vous avez fait passer les modèles par deux filtres subjectifs.
(1) votre objectif et (2) la mesure d'erreur RMSE.
N'est-il pas préférable de modifier les poids (s'il s'agit d'un neurone) et de créer des règles (s'il s'agit d'un arbre) dans le but d'obtenir un profit maximal, la question est rhétorique... bien sûr, c'est mieux et plus rapide.
Le fait est que vous passez à côté d'autres groupes de mannequins qui gagnent et ces groupes gagnent des millions.
Un exemple élémentaire.
vous devez former l'AMO pour maximiser les profits, que ferez-vous ?
1) vous faites une cible
2) vous ajustez les modèles à l'aide de mesures standard telles que la RMSE (ce qui n'est absolument pas pertinent).
3) créer un groupe des meilleurs modèles
4) choisir le meilleur modèle du groupe ayant le plus grand bénéfice.
Maintenant, une question : pourquoi pensez-vous que votre groupe est le top absolu des meilleurs modèles au sens global? Vous avez fait passer les modèles par deux filtres subjectifs.
(1) votre objectif et (2) la mesure d'erreur RMSE.
N'est-il pas préférable de modifier les poids (s'il s'agit d'un neurone) et de créer des règles (s'il s'agit d'un arbre) dans le but d'obtenir un profit maximal, la question est rhétorique... bien sûr, c'est mieux et plus rapide.
Le fait est que vous passez à côté d'autres groupes de mannequins qui gagnent de l'argent et qui en ont des millions.
Je sélectionne R2 par solde, plus le nombre minimum de trades perdants, mais avec l'entropie (logloss) la plus faible et l'exactitude maximale. C'est pourquoi les modèles sont les plus rentables par défaut.
Vous pouvez choisir parmi des modèles prêts à l'emploi ou créer un modèle. C'est la différence
Vous pouvez choisir parmi des modèles préétablis ou créer un modèle. C'est là toute la différence.