L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2208

[Maxim Dmitrievsky]

Valeriy Yastremskiy:

le lien que j'ai donné sur le wiki à propos du semi. Je comprends que les marques sont les bords des sections stables.

ZZ ne va pas, parce que la notation continue juste sans aucune différence dans les sections, et l'apprentissage continue de la même manière, et si en notant ZZ c'est comme trop d'exemples avec des caractéristiques différentes et le résultat de l'apprentissage ne peut pas être bon.

Les étiquettes sont des cibles{classes} connues. Le reste des données est sans eux, juste sous forme de caractéristiques.

Ces étiquettes sont censées avoir une sorte de signification. Par exemple, des étiquettes indiquant qu'il s'agit de chats ou de crocodiles.

dans notre cas, nous n'avons aucune idée de l'endroit où se trouvent les chats. Nous ne connaissons donc aucun modèle ni aucune différence, ce qui rend la tâche encore plus difficile.

pour qu'on puisse forcer les marques initiales, passer en revue les variantes.

[Valeriy Yastremskiy]

Maxim Dmitrievsky:

sont juste les cibles/classes connues. Le reste des données sans eux

C'est comme définir la bonne direction de recherche.))

Maxim Dmitrievsky:

Ces étiquettes sont censées avoir une certaine signification. Par exemple, les étiquettes qui indiquent qu'il s'agit de chats ou de crocodiles.

Dans notre cas, nous n'avons aucune idée de l'endroit où se trouvent les chats. Autrement dit, nous ne connaissons aucun modèle et nous ne savons pas comment ils diffèrent, ce qui rend la tâche encore plus difficile.

pour qu'on puisse forcer les marques initiales, passer en revue les variantes.

Le forçage brutal complet est toujours préférable au forçage brutal incomplet. Le point sur le partitionnement incorrect a toujours été présent. Et la malédiction de la dimensionnalité n'est résolue que par une bonne orientation de la recherche. Il s'agit de trouver/déterminer la bonne zone pour rechercher des variantes.

[iwelimorn]

J'ai essayé d'étendre l'idée de l'acceptabilité des petits échantillons pour le GMM. Entraînement 6 mois, test 5 ans. J'ai divisé les tags en n parties de taille fixe. Pour chaque partie, j'ai créé mon propre modèle GMM, généré 1000 échantillons de chacun, les ai empilés et entraîné le catbust. J'ai sélectionné les caractéristiques et j'ai obtenu ceci :

Iteration:  0 R^2:  0.9209352881222573
Iteration:  1 R^2:  0.9379233716807497
Iteration:  2 R^2:  0.94604683760217
Iteration:  3 R^2:  0.9316240202095838
Iteration:  4 R^2:  0.8813998843225924
Iteration:  5 R^2:  0.8820262895230507
Iteration:  6 R^2:  0.9068275822699385
Iteration:  7 R^2:  0.9335383124164518
Iteration:  8 R^2:  0.8960336270368543
Iteration:  9 R^2:  0.8879176417296292
Iteration:  10 R^2:  0.9143324457906077
Iteration:  11 R^2:  0.9468819523130443
Iteration:  12 R^2:  0.9058317279184074
Iteration:  13 R^2:  0.9169237743824633
Iteration:  14 R^2:  0.9004312808918618
Iteration:  15 R^2:  0.8914705535825033
Iteration:  16 R^2:  0.9303813779412192
Iteration:  17 R^2:  0.9207720444742649
Iteration:  18 R^2:  0.9508313124156939
Iteration:  19 R^2:  0.9365410846386889
Iteration:  20 R^2:  0.9227862991881809
Iteration:  21 R^2:  0.9052003797596105
Iteration:  22 R^2:  0.8975861474045481
Iteration:  23 R^2:  0.9431936051970786
Iteration:  24 R^2:  0.9147205226323929
Iteration:  25 R^2:  0.9476544304761072
Iteration:  26 R^2:  0.9333016398932669
Iteration:  27 R^2:  0.9076751168791403
Iteration:  28 R^2:  0.8697156778100353
Iteration:  29 R^2:  0.8845935705960335
Iteration:  30 R^2:  0.9159489461919911
Iteration:  31 R^2:  0.9232528133285296
Iteration:  32 R^2:  0.9465969161207943
Iteration:  33 R^2:  0.923873107775384
Iteration:  34 R^2:  0.887118901781171
Iteration:  35 R^2:  0.9077338861211618
Iteration:  36 R^2:  0.9174686253027636
Iteration:  37 R^2:  0.9293399179092457
Iteration:  38 R^2:  0.8978226916069179
Iteration:  39 R^2:  0.927290878522851
Iteration:  40 R^2:  0.9030239602884128
Iteration:  41 R^2:  0.9621423075912642
Iteration:  42 R^2:  0.9311707303177966
Iteration:  43 R^2:  0.8710910233452236
Iteration:  44 R^2:  0.9103469394662375
Iteration:  45 R^2:  0.8919753688513302
Iteration:  46 R^2:  0.948991254496016
Iteration:  47 R^2:  0.9052353780393834
Iteration:  48 R^2:  0.9512288525623317
Iteration:  49 R^2:  0.9208453469280165
Iteration:  50 R^2:  0.893737366120048
Iteration:  51 R^2:  0.928125477787328
Iteration:  52 R^2:  0.8942972434275139
Iteration:  53 R^2:  0.9199962696797981
Iteration:  54 R^2:  0.915636353356246
Iteration:  55 R^2:  0.8985519043156066
Iteration:  56 R^2:  0.9347755921190894
Iteration:  57 R^2:  0.9584552730083282
Iteration:  58 R^2:  0.9032314235396457
Iteration:  59 R^2:  0.9054094988875886
Iteration:  60 R^2:  0.9297272696445005
Iteration:  61 R^2:  0.9115802884108607
Iteration:  62 R^2:  0.9413266801702871
Iteration:  63 R^2:  0.8828780223711544
Iteration:  64 R^2:  0.8824525390982221
Iteration:  65 R^2:  0.9053951498492597
Iteration:  66 R^2:  0.8714355206255209
Iteration:  67 R^2:  0.918076158247141
Iteration:  68 R^2:  0.8364078585625844
Iteration:  69 R^2:  0.9105699936970394
Iteration:  70 R^2:  0.8964063526272564
Iteration:  71 R^2:  0.9167952116250836
Iteration:  72 R^2:  0.8755502709003292
Iteration:  73 R^2:  0.9386759877643626
Iteration:  74 R^2:  0.9111343213701268
Iteration:  75 R^2:  0.9316337347065893
Iteration:  76 R^2:  0.9491318658912862
Iteration:  77 R^2:  0.8793801507135458
Iteration:  78 R^2:  0.88457680290715
Iteration:  79 R^2:  0.9320128938747305
Iteration:  80 R^2:  0.8718850318456811
Iteration:  81 R^2:  0.9435554177361902
Iteration:  82 R^2:  0.9203305196370429
Iteration:  83 R^2:  0.9260245682457562
Iteration:  84 R^2:  0.9049805884830662
Iteration:  85 R^2:  0.9623136916438867
Iteration:  86 R^2:  0.9489381651270304
Iteration:  87 R^2:  0.9185761083088367
Iteration:  88 R^2:  0.9300874485193825
Iteration:  89 R^2:  0.9270368671164058
Iteration:  90 R^2:  0.89171822598241
Iteration:  91 R^2:  0.9442365127017215
Iteration:  92 R^2:  0.9147433442119735
Iteration:  93 R^2:  0.9466461518946063
Iteration:  94 R^2:  0.8985030583949476
Iteration:  95 R^2:  0.9227935867673295
Iteration:  96 R^2:  0.9270658994573892
Iteration:  97 R^2:  0.8861414609105617
Iteration:  98 R^2:  0.9069299245110212
Iteration:  99 R^2:  0.9381808829667341

Deuxième version, mêmes étiquettes, avec le même cloisonnement, mais avec un pré-mélange :

X = X.sample(frac=1.0)

Iteration:  0 R^2:  -0.9147922986362467
Iteration:  1 R^2:  -0.8891349235839455
Iteration:  2 R^2:  -0.7756433696750841
Iteration:  3 R^2:  -0.9294701419803408
Iteration:  4 R^2:  -0.8675029639731144
Iteration:  5 R^2:  -0.9333665101462129
Iteration:  6 R^2:  -0.7215820820380785
Iteration:  7 R^2:  -0.835634878720925
Iteration:  8 R^2:  -0.8982572730634232
Iteration:  9 R^2:  -0.8433406526089088
Iteration:  10 R^2:  -0.8905214289474265
Iteration:  11 R^2:  -0.9523382605378116
Iteration:  12 R^2:  -0.9353234698827787
Iteration:  13 R^2:  -0.9255519745316118
Iteration:  14 R^2:  -0.8961044791463404
Iteration:  15 R^2:  -0.8720720502698673
Iteration:  16 R^2:  -0.7673961693909795
Iteration:  17 R^2:  -0.9178099795704201
Iteration:  18 R^2:  -0.8028458725344336
Iteration:  19 R^2:  -0.9171290688719891
Iteration:  20 R^2:  -0.8315941217013689
Iteration:  21 R^2:  -0.5070548765483025
Iteration:  22 R^2:  -0.8116346823881794
Iteration:  23 R^2:  -0.8640716653285909
Iteration:  24 R^2:  -0.8410638452155568
Iteration:  25 R^2:  -0.8840402609492392
Iteration:  26 R^2:  -0.8499245238176002
Iteration:  27 R^2:  -0.8778289064553249
Iteration:  28 R^2:  -0.9268702558814643
Iteration:  29 R^2:  -0.8925221189558847
Iteration:  30 R^2:  -0.9657842200006661
Iteration:  31 R^2:  -0.77464827311577
Iteration:  32 R^2:  -0.6464089792356508
Iteration:  33 R^2:  -0.7362468345293623
Iteration:  34 R^2:  -0.8359119411978162
Iteration:  35 R^2:  -0.8953980020172865
Iteration:  36 R^2:  -0.9643167791133879
Iteration:  37 R^2:  -0.9200720117785897
Iteration:  38 R^2:  -0.4930038499649341
Iteration:  39 R^2:  -0.8563412086058743
Iteration:  40 R^2:  -0.7534658472329049
Iteration:  41 R^2:  -0.9058712268796619
Iteration:  42 R^2:  -0.8404352444846342
Iteration:  43 R^2:  -0.8956393865296916
Iteration:  44 R^2:  -0.7697676598374891
Iteration:  45 R^2:  -0.827402321523272
Iteration:  46 R^2:  -0.7733648036339182
Iteration:  47 R^2:  -0.9094911321363413
Iteration:  48 R^2:  -0.8112209852571995
Iteration:  49 R^2:  -0.9272815570481083
Iteration:  50 R^2:  -0.9516373600713565
Iteration:  51 R^2:  -0.923161311310859
Iteration:  52 R^2:  -0.9454357553057322
Iteration:  53 R^2:  -0.8874717694423527
Iteration:  54 R^2:  -0.9442569831498039
Iteration:  55 R^2:  -0.8509749828624672
Iteration:  56 R^2:  -0.8880233388858068
Iteration:  57 R^2:  -0.829081492806442
Iteration:  58 R^2:  -0.8104288788378895
Iteration:  59 R^2:  -0.9461212586368714
Iteration:  60 R^2:  -0.9638585005999462
Iteration:  61 R^2:  -0.9331377065042211
Iteration:  62 R^2:  -0.9273729445871957
Iteration:  63 R^2:  -0.9087582575118714
Iteration:  64 R^2:  -0.9413841949907823
Iteration:  65 R^2:  -0.9322001763523151
Iteration:  66 R^2:  -0.7762699813649556
Iteration:  67 R^2:  -0.8157764341998059
Iteration:  68 R^2:  -0.8553516949784419
Iteration:  69 R^2:  -0.8892466719564891
Iteration:  70 R^2:  -0.927962172458
Iteration:  71 R^2:  -0.9155014169139781
Iteration:  72 R^2:  -0.813270189921209
Iteration:  73 R^2:  -0.8906455890506758
Iteration:  74 R^2:  -0.8515052662862699
Iteration:  75 R^2:  -0.7464436838057231
Iteration:  76 R^2:  -0.9265461731236329
Iteration:  77 R^2:  -0.9097917153476209
Iteration:  78 R^2:  -0.9320352532410676
Iteration:  79 R^2:  -0.9136167627146698
Iteration:  80 R^2:  -0.9058376874038158
Iteration:  81 R^2:  -0.9218661728537026
Iteration:  82 R^2:  -0.8761532667040411
Iteration:  83 R^2:  -0.8613901314137971
Iteration:  84 R^2:  -0.9549329316806329
Iteration:  85 R^2:  -0.9369577646891263
Iteration:  86 R^2:  -0.9088532629673239
Iteration:  87 R^2:  -0.913690880309502
Iteration:  88 R^2:  -0.9380433297279352
Iteration:  89 R^2:  -0.9022452839070761
Iteration:  90 R^2:  -0.8628005914827953
Iteration:  91 R^2:  -0.6997900178668703
Iteration:  92 R^2:  -0.9236900047877985
Iteration:  93 R^2:  -0.7743753260702735
Iteration:  94 R^2:  -0.8915162635095815
Iteration:  95 R^2:  -0.9238512868243697
Iteration:  96 R^2:  -0.7885755415193383
Iteration:  97 R^2:  -0.8691156336449682
Iteration:  98 R^2:  -0.8358956414656111
Iteration:  99 R^2:  -0.9681215417714616

Dans les deux cas, une seule cible fixe a été utilisée. Je peux reproduire cette expérience si vous le souhaitez. Je ne suis pas doué pour interpréter de tels phénomènes, peut-être y a-t-il une explication.

[Maxim Dmitrievsky]

welimorn:

J'ai essayé d'étendre l'idée de l'acceptabilité des petits échantillons pour le GMM. Entraînement 6 mois, test 5 ans. J'ai divisé les tags en n parties de taille fixe. Pour chaque partie, j'ai créé mon propre modèle GMM, généré 1000 échantillons de chacun, les ai empilés et entraîné le catbust. J'ai sélectionné les caractéristiques et j'ai obtenu ceci :

Deuxième version, mêmes étiquettes, avec le même cloisonnement, mais avec un pré-mélange :

Dans les deux cas, une seule cible fixe a été utilisée. Je peux reproduire cette expérience si vous le souhaitez. Je ne suis pas fort pour interpréter de tels phénomènes, peut-être y a-t-il une explication.

Ce mélange se fait-il avant le gmm ou avant le boost ? Vous devez vérifier l'équilibre des classes pour les formations/tests. Peut-être que les zéros sont allés au stage et les uns au test. Vous pouvez également essayer de faire des regroupements séparés par marques d'achat et de vente.

[Aleksei Stepanenko]

Désolé les gars, il y a une question.

Quel est le nombre de rapports de pondération dans vos grilles, et sur combien de métiers sont formés ?

Je veux comprendre la relation entre ces quantités et spéculer sur la dépendance du surentraînement à cette relation. Merci.

[iwelimorn]

Maxim Dmitrievsky:
Ce mélange se fait-il avant le gmm ou avant le boost ? Vous devez vérifier l'équilibre des classes pour la formation/le test. Peut-être que les zéros sont allés au stage et les uns au test. Vous pouvez également essayer de faire des regroupements séparés par marques d'achat et de vente.

Le mélange est effectué avant de créer le GMM.

Avant cela, je laisse tomber les étiquettes par condition :

dataset['labels'].loc[dataset['labels'].diff(1) == 0] = np.nan


dataset = dataset.dropna()

cela amène toujours l'équilibre de la classe à 1/1 avec de légères variations :

count labels 0 before GMM: 57
count labels 1 before GMM: 58

Dans ce cas, 115 étiquettes ont été mélangées et divisées en 4 parties. Ensuite, 4 GMM ont été créés sur cette base. Pour chacune d'elles, 1000 étiquettes ont été prélevées et combinées en un seul cadre de données. Dans l'étape suivante, il sera divisé en test et triple piste.

L'équilibre des classes d'échantillons était un peu différent de l'idéal. Mais les échantillons du train et du test avaient approximativement le même rapport

count labels train before train_test_split  lab0/lab1 2006/1994
count labels train before CatBoost lab0/lab1  972/1028
count labels test before CatBoost lab0/lab1  1034/966
Iteration:  0 R^2:  -0.09193595558595069

count labels train before train_test_split  lab0/lab1 1956/2044
count labels train before CatBoost lab0/lab1  968/1032
count labels test before CatBoost lab0/lab1  988/1012
Iteration:  1 R^2:  0.2187933983460144

count labels train before train_test_split  lab0/lab1 1937/2063
count labels train before CatBoost lab0/lab1  968/1032
count labels test before CatBoost lab0/lab1  969/1031
Iteration:  2 R^2:  0.07935341972355503

count labels train before train_test_split  lab0/lab1 2004/1996
count labels train before CatBoost lab0/lab1  1006/994
count labels test before CatBoost lab0/lab1  998/1002
Iteration:  3 R^2:  0.5243959241368454

count labels train before train_test_split  lab0/lab1 2002/1998
count labels train before CatBoost lab0/lab1  999/1001
count labels test before CatBoost lab0/lab1  1003/997
Iteration:  4 R^2:  -0.11495440249539668

count labels train before train_test_split  lab0/lab1 2034/1966
count labels train before CatBoost lab0/lab1  1016/984
count labels test before CatBoost lab0/lab1  1018/982
Iteration:  5 R^2:  -0.2007764868672567

...

Voici les résultats de la simulation avec le même échantillon de 115 étiquettes divisé en 4 parties, mais sans mélange. L'équilibre des classes est bien sûr un peu meilleur, mais je ne pense pas que cela affecte les résultats de manière significative.

count labels train before train_test_split  lab0/lab1 2012/1988
count labels train before CatBoost lab0/lab1  1008/992
count labels test before CatBoost lab0/lab1  1004/996
Iteration:  0 R^2:  0.6604621522811843

count labels train before train_test_split  lab0/lab1 1978/2022
count labels train before CatBoost lab0/lab1  1003/997
count labels test before CatBoost lab0/lab1  975/1025
Iteration:  1 R^2:  0.9280130097632814

count labels train before train_test_split  lab0/lab1 2024/1976
count labels train before CatBoost lab0/lab1  1031/969
count labels test before CatBoost lab0/lab1  993/1007
Iteration:  2 R^2:  0.8262169779783981

count labels train before train_test_split  lab0/lab1 1980/2020
count labels train before CatBoost lab0/lab1  1010/990
count labels test before CatBoost lab0/lab1  970/1030
Iteration:  3 R^2:  0.9348696093090818

count labels train before train_test_split  lab0/lab1 2030/1970
count labels train before CatBoost lab0/lab1  1016/984
count labels test before CatBoost lab0/lab1  1014/986
Iteration:  4 R^2:  0.5284975351783288

count labels train before train_test_split  lab0/lab1 2042/1958
count labels train before CatBoost lab0/lab1  1024/976
count labels test before CatBoost lab0/lab1  1018/982
Iteration:  5 R^2:  0.9246045699747673

...

Cela peut paraître idiot, mais je pense qu'il y a une sorte de corrélation temporelle dans la série que les modèles GMM trouvent à différents moments de la série. Il disparaît si vous brisez l'ordre en mélangeant la rangée.

Je n'avais pas pensé au clustering séparé, je vais essayer ce soir.

[Aleksey Vyazmikin]

Médecine et MoD.

[Maxim Dmitrievsky]

welimorn:

L'agitation est faite avant de créer le MGM.

Avant cela, il faut laisser tomber les étiquettes par condition :

cela amène toujours l'équilibre de la classe à 1/1 avec de légères variations :

Dans ce cas, 115 étiquettes ont été mélangées et divisées en 4 parties. Ensuite, 4 GMM ont été créés sur cette base. Pour chacune d'elles, 1000 étiquettes ont été prélevées et combinées en un seul cadre de données. Dans l'étape suivante, il sera divisé en test et triple piste.

L'équilibre des classes d'échantillons était un peu différent de l'idéal. Mais les échantillons du train et du test avaient approximativement le même rapport

Voici les résultats de la simulation avec le même échantillon de 115 étiquettes divisé en 4 parties, mais sans mélange. L'équilibre des classes est bien sûr un peu meilleur, mais je ne pense pas que cela affecte les résultats de manière significative.

Cela peut paraître idiot, mais je pense qu'il y a une sorte de corrélation temporelle dans la série que les modèles GMM trouvent à différents moments de la série. Il disparaît si vous brisez l'ordre en mélangeant la rangée.

Je n'ai pas pensé au regroupement séparé, je vais essayer ce soir.

Je vais devoir le dessiner, ce n'est pas très clair... Eh bien, c'est un fait que les distributions sont différentes dans les deux cas. De plus, vous avez déjà supprimé la sérialisation. Il est fort probable que les distributions s'avèrent très peu informatives, et que les nouveaux points après l'échantillonnage commencent à se trouver à un endroit peu clair. C'est-à-dire que l'information de la série est perdue, oui, car les citations ne sont pas indépendantes.

Ou bien faites-le sur un exemple simple (pas de devis) et comparez ensuite.

[Александр Алексеевич]

Maxim Dmitrievsky:

Je vais devoir dessiner, ce n'est pas très clair... Eh bien, c'est un fait que les distributions sont différentes dans les deux cas. De plus, vous avez déjà supprimé la série. Il est fort probable que les distributions s'avèrent très peu informatives, et que les nouveaux points après l'échantillonnage se trouvent à un endroit peu clair. C'est-à-dire que l'information dans la série est perdue, oui, car les citations ne sont pas indépendantes.

Ou bien faites-le sur un exemple simple (pas de devis) et comparez ensuite.

Maxim, salut. Ça fait longtemps que je ne suis pas venu ici... J'ai essayé de m'en occuper et je me pose beaucoup de questions))). Je suppose que le MARKUP est un spread ? Le balisage est une simple comparaison de la valeur actuelle avec la valeur actuelle + un nombre aléatoire, selon le signe > ou < vous mettez un balisage 1 ou 0. n'est-ce pas ? Pour un test, vous mettez markup=0.0 ? (si le plateau MARKUP=0.00001 je pense))) n'est-ce pas ?

[Maxim Dmitrievsky]

Alexander Alekseyevich:

Maxim, salut, ça fait longtemps que je ne suis pas venu ici... J'essaie de le comprendre, et j'ai beaucoup de questions))) Je suppose que le MARKUP est un spread ? Le balisage est une simple comparaison de la valeur actuelle avec la valeur actuelle + un nombre aléatoire, selon le signe > ou < vous mettez un balisage 1 ou 0. n'est-ce pas ? Pour un test, vous mettez markup=0.0 ? (pour le plateau, je pense que MARKUP=0.00001)) n'est-ce pas ?

Salut. Oui, c'est vrai. Le même balisage est utilisé dans le testeur. En ce qui concerne les articles, il est probablement préférable de poser la question dans les articles. Pour avoir en un seul endroit.

J'analyse les réactions et vois ce qui peut être amélioré