L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3123

 
Valeriy Yastremskiy #:
Les paramètres de la ligne peuvent-ils être générés d'une manière ou d'une autre ?)
Vous pouvez même éditer la différence et la corriger par le biais de la MO.
 
Renat Akhtyamov #:

Comme il est fastidieux de tout regarder : l'exploration, les énigmes et les recherches sur le système....

La logique de construction d'une cotation boursière n'aurait pas pu être plus compliquée en 1970.

Qu'est-ce que les réseaux neuronaux viennent faire là-dedans, si la cotation était lancée à l'époque à partir des genoux, d'un papier écrit au crayon et compté sur les comptes ?

Qu'importe si cela fait 50 ans.

L'algorithme n'a pas changé, je vous le dis tel quel, à 100%, testé !

Eh bien, en 1970, un homme ne pouvait pas inventer quelque chose qu'un homme ne pouvait pas comprendre, il ne pouvait pas !

Il y a une nouvelle collection de sous-vêtements au centre commercial, allez voir.
 
Maxim Dmitrievsky #:
Vous pouvez même dériver la différence et l'ajuster par le biais du MOE.
Différence par rapport à quoi ? Il s'agit de l'OOS, qui est inconnu. Tout va bien sur le plateau, il n'y a rien pour calculer la différence.
 
Forester #:
Différence par rapport à quoi ? C'est l'OOS, qui est inconnu. C'est bon dans le train, il n'y a rien pour calculer la différence.
Comparez l'OOS au train pour commencer. Le stagiaire serait le groupe de traitement et l'OOS serait le groupe de contrôle. Vous pouvez tout d'abord examiner le changement de la moyenne des caractéristiques. S'il y en a un, il faut alors examiner la dynamique de ces changements au cours de l'histoire. S'il est possible d'y remédier sans prendre en compte les OOS, alors c'est bien :)

S'il y a beaucoup de traits, c'est un véritable défi créatif. Je n'ai pas encore tout parcouru.

La tâche se résume essentiellement à la façon de corriger les biais. Il s'agit d'une tâche cible après que j'ai appris à introduire des chiffres dans le modèle. S'il n'est pas possible d'y remédier d'une manière ou d'une autre, il s'agit bien sûr d'un travail médiocre. Mais ce n'est pas une raison pour abandonner (je suppose) 😀
 
Maxim Dmitrievsky #:
Vous pouvez même dériver la différence et l'ajuster par le biais du MOE.

La différence de quoi ?

c'est clair, comme vous le dites, le méta paramètre d'une série est son modèle mathématique, et les paramètres du modèle sont les paramètres de la série, mais les modèles sont différents et parfois l'un a les paramètres, l'autre ne les a pas ou le comportement du modèle à partir des paramètres est différent. Et pour comparer les résultats du modèle sous la forme de TC... Je ne pense pas que ce soit correct.

Il peut probablement y avoir une dépendance de la corrélation de certains paramètres d'une série sur son comportement. C'est brut, bien sûr...

Que pensez-vous de la modélisation des négociations commerciales ?

L'apprentissage automatique, et plus précisément laméthode du noyau, a été utilisé par Renaissance Technologies dans les années 1980,

L'apprentissage automatique, enparticulier la méthode du noyau,

Qu'est-ce que c'est dans le langage d'aujourd'hui ?

 
Valeriy Yastremskiy #:

La différence de quoi ?

Comme vous le dites, le méta paramètre d'une série est son modèle mathématique, et les paramètres du modèle sont les paramètres de la série, mais les modèles sont différents et parfois l'un a les paramètres, l'autre ne les a pas ou le comportement du modèle à partir des paramètres est différent. Et pour comparer les résultats du modèle sous la forme de TC... Je ne pense pas que ce soit correct.

Il peut probablement y avoir une dépendance de la corrélation de certains paramètres d'une série sur son comportement. Brut, bien sûr...

Que pensez-vous de la modélisation des négociations commerciales ?

L'apprentissage automatique, plus précisément la méthode du noyau, a été utilisé par Renaissance Technologies dans les années 1980,

L'apprentissage automatique, enparticulier la méthode du noyau,

Qu'est-ce que c'est dans le langage d'aujourd'hui ?

Cela dépend du type de noyau 😀 polynomial ou à base radiale ou autre. C'est très bien dans le langage d'aujourd'hui. Le modèle est peu profond (s'il s'agit d'une régression ou d'une méthode de vecteur de support), mais il est simple et interprétable.

La différence entre les distributions et la réponse du modèle à celles-ci. Cela semble très évident. Il reste à trouver comment la niveler.
 
Maxim Dmitrievsky #:
Pour commencer, comparez le groupe OOS au groupe traine. Train sera le groupe expérimental et OOS sera le groupe de contrôle. Vous pouvez tout d'abord vous contenter d'examiner les changements de traits moyens. S'il y en a une, examinez la dynamique de ces changements au cours de l'histoire. S'il est possible d'y remédier sans prendre en compte les OOS, alors c'est bien :)
.

S'il y a beaucoup de traits, c'est un défi créatif. Je n'ai pas encore réussi à tout mettre au point.

La tâche se résume essentiellement à la manière de corriger les biais. Il s'agit d'une tâche cible après que j'ai appris à introduire des chiffres dans le modèle. S'il n'est pas possible d'y remédier d'une manière ou d'une autre, c'est un travail minable, bien sûr. Mais ce n'est pas une raison pour abandonner (je suppose) 😀
Le modèle sur la vente commence à s'affaisser lorsque la tendance globale (juste 1 à 1,5 ans) est à la hausse. Il trouve une opportunité de gagner de l'argent sur le trade, mais sur le OOS il entre en drawdown.
Peut-être que la première option avec la sélection achat|vente par un seul modèle sera meilleure. Mais si elle s'ajuste à la tendance globale, elle drainera de l'argent au moment du changement de tendance. Et il est probable qu'elle négociera dans une seule direction pendant des années.
 
Forester #:
Le modèle de vente commence à s'affaisser lorsque la tendance globale (sur 1 à 1,5 an) est à la hausse. Il trouve une opportunité de gagner de l'argent sur le trade, mais sur le OOS, il s'enfonce dans le drawdown.
Peut-être que la première variante avec la sélection achat|vente par un seul modèle sera meilleure. Mais si elle s'ajuste à la tendance globale, elle drainera l'argent au moment du changement de tendance. Et il est probable qu'elle négociera dans une seule direction pendant des années.
Le modèle est biaisé. Nous devons donc le forcer à apprendre sans ce biais. Mais d'abord, nous devons trouver les coefficients de biais, disons qu'il s'agit d'une pente ou d'un terme libre (intercept), comme dans une régression. Et si nous l'entraînions de telle sorte que ce terme ne varie pas en fonction de la formation et de l'absence de formation. En gros, je cite des livres sur le kozul.

Dans catbusta et d'autres modèles, vous pouvez attribuer des poids aux étiquettes pendant l'apprentissage. Par exemple, le décalage est édité, puis converti en poids et le modèle est formé avec des facteurs de correction déjà présents dans la formation. C'est l'une des façons de procéder.
 
Maxim Dmitrievsky #:
Il y a une nouvelle collection de sous-vêtements au centre commercial. Allez voir.

Je me souviens de votre risque de 0,1 % sur votre dépôt.

Ne vous embêtez pas avec des conseils.

Ce n'est rien.

Je négocie avec un effet de levier de 2000 avec un risque de 95% et je ne prête attention aux conseils, à l'expérience, etc. que s'ils proviennent de personnes expérimentées et prospères comme moi.

 
Maxim Dmitrievsky #:
Au revoir, pipelette. Va regarder le football.

C'est plutôt bien).

écrire des poèmes et des livres.

Allez-y.

C'est à vous et c'est probablement plus rentable.

Raison: