L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1279
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
Comprendre et faire des communiqués sont des choses différentes. Je suis toujours en train d'expérimenter. Je mélange les prédicteurs en ce moment. Peut-être que je l'abandonnerai, tout comme j'ai abandonné le NS pour incapacité à supporter le bruit.
C'est facile à comprendre. Il faut regarder le code pendant quelques heures et tout deviendra clair.Oui, bien sûr, c'est différent, mais une bonne main peut faire beaucoup ! De mon côté, j'ai du mal à comprendre le code des autres, alors je ne m'y intéresse même pas.
Et la forêt, ainsi qu'elle est dans son concept sera toujours bruyante (en fait, le bruit blanc devrait se superposer au bruit avec des réponses collectives plus confiantes), parce qu'elle fonctionne non pas en raison de la qualité, mais de la quantité, je pense que nous devons en quelque sorte contrôler davantage et la qualité des arbres et leur caractère unique.
Je ne comprends pas pourquoi vous n'aimez pas mon idée de collecter les feuilles des arbres ; vous pouvez aller à un sondage, ou essayer de distribuer les feuilles pour qu'elles ne se chevauchent pas dans l'échantillonnage... Le bruit est évidemment moindre, mais il est important que la règle de la feuille ait un sens réel, elle sera alors stable dans le temps.
Je ne comprends pas pourquoi vous n'aimez pas mon idée de collecter les feuilles des arbres - vous pouvez soit voter, soit essayer de distribuer les feuilles pour qu'elles ne se chevauchent pas dans l'échantillon... Si vous n'avez pas assez de bruit, il est important que la règle de la feuille ait une signification réelle, elle sera alors stable dans le temps.
Je n'ai pas encore totalement exploré la forêt. C'est pourquoi je n'ai pas le temps d'être distrait par autre chose.
Je vois. Travaillez, écrivez sur vos réalisations - intéressant.
J'essaie maintenant de faire un pool de ces étranges modèles CatBoost, qui ont un petit nombre d'arbres (1-30), pour un apprentissage plus profond et évaluer si l'apprentissage profond avec 100-300 arbres a un sens.
Il est intéressant de noter que la première partie de l'échantillon (surligné en bleu, mais un peu plus que nécessaire, parce qu'il a montré une décomposition du dernier solde élevé, ils disent qu'il était long) pour la formation semble très médiocre après l'application du modèle, et puis il ya un modèle qui commence à exploiter le modèle, tandis que sur l'échantillon de test (sur lequel le modèle est sélectionné) n'est pas aussi évident que sur l'examen (non impliqués dans la formation). C'est peut-être un signe de sous-entraînement, la question étant de savoir si c'est mieux que le surentraînement.
Si quelqu'un est intéressé, je peux présenter les batterns, l'échantillonnage, les paramètres à exécuter via la ligne de commande, enfin tous ceux qui ne maîtrisent pas python comme moi.
Je donne une variante par minute, et je joins le rapport de négociation du testeur.
Mais j'ai un peu amélioré les indicateurs.
Le ratio de Sharpe est maintenant de 0,29.
Enfin la permutation comptée et le recomptage réel de la forêt avec 1 prédicteur enlevé. Les résultats ne sont pas du tout similaires.
Les auteurs de la permutation ont expérimenté avec 6 prédicteurs et moi avec 65. Peut-être qu'avec 6 prédicteurs, il est plus facile de séparer l'entrée du bruit. De plus, la forêt est toujours aléatoire, peut-être que cela a aussi ajouté l'aléatoire à la liste d'importance.
Maintenant, je vais recommencer avec les mêmes données et dans la matinée, je comparerai 4 tableaux d'importance.
Les plus similaires étaient deux tables d'importance de permutation (provenant de différentes exécutions sur les mêmes données).
Les tableaux d'importance obtenus en recomptant la forêt en supprimant 1 prédicteur - ne sont pas similaires entre eux, ni à la permutation.
Bonjour les machinistes !
C'est vrai, il n'y a que des grails à tester ici, et le ballet marlésien est mis en scène par l'Apprenti du marié et sa compagnie :)
Oui, il n'y a que des grails à tester par ici, et le ballet marlésien est dirigé par L'Apprenti du marié et compagnie :)
Le fils de Kesha.
Vous me faites rire.
la profondeur de la pensée,
quelle syllabe.