L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2840
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 peux visualiser cela dans ma tête... nous avons un ensemble de données étiquetées, nous voulons nous entraîner aussi près que possible de ces étiquettes. Si nous adoptons un critère différent, ces étiquettes n'ont plus d'importance ?
C'est le critère qui est en cause.
Je n'arrive pas à l'imaginer dans ma tête... nous avons un ensemble de données étiquetées, nous voulons nous entraîner aussi près que possible de ces étiquettes. Si nous prenons un autre critère qui n'est pas lié à ces étiquettes, celles-ci cessent d'avoir de l'importance ?
Nous nous éloignons un peu du type d'optimisation (apprentissage) qui est courant dans la MO classique. Nous nous dirigeons vers une optimisation au sens large (comme dans MT5, par exemple). Mais en même temps, nous voulons préserver la puissance et la flexibilité des modèles utilisés dans la MO.
J'ai toujours été déconcerté par l'écart conceptuel entre l'optimisation du MT5 et l'application de la MO. Il serait bon d'avoir des options pour des approches intermédiaires.
C'est comme si Fomenko n'entendait pas ce qu'on lui dit. J'ai déjà dit à plusieurs reprises que le testeur n'affecte pas la rentabilité ou la capacité des TS à travailler de manière rentable à l'avenir. Le testeur est un outil, rien de plus. Un algorithme d'optimisation est un outil, rien de plus. C'est comme discuter du "succès" d'une pelle pour gagner de l'argent.
C'est une conversation entre sourds et aveugles.
J'écris que l'optimisation et les critères ne sont pas nécessaires parce que les marchés financiers ne sont PAS stationnaires, et vous écrivez que je comprends quelque chose à l'optimisation.
Succès, les alchimistes transforment tout en or depuis plusieurs centaines d'années.
Le fait est que nous nous éloignons un peu du type d'optimisation (entraînement) qui est accepté dans la MO classique. Nous nous dirigeons vers une optimisation au sens large (comme dans MT5, par exemple). Mais en même temps, nous voulons préserver la puissance et la flexibilité des modèles utilisés dans la MO.
J'ai toujours été déconcerté par le fossé conceptuel entre l'optimisation du MT5 et l'application de la MO. Il serait bon d'avoir des possibilités d'approches intermédiaires.
Plus le critère d'évaluation est adéquat, plus le modèle se comporte correctement sur les nouvelles données. Choisir le meilleur AO signifie choisir le meilleur outil pour optimiser le CRITÈRE. Ce n'est ni la faute de l'AO, ni la faute du testeur. C'est le critère qui est en cause.
La robustesse du TS n'a RIEN à voir avec les critères d'évaluation, car le critère est exactement le même : deviner ou non le sens de la transaction. Mais ce dernier dépend de l'ensemble et des propriétés des prédicteurs
C'est vrai, un sourd qui parle à un aveugle.
J'écris que l'optimisation accompagnée de critères n'est pas nécessaire, car les marchés financiers ne sont PAS stationnaires, et vous écrivez que je comprends quelque chose à l'optimisation.
En fait, vous faites vous aussi de l'optimisation. Vous avez inventé un critère de "stationnarité des signes" et vous prenez les signes qui sont optimaux selon ce critère. C'est la même optimisation dans l'histoire, mais dans le profil.
La robustesse du TS n'a RIEN à voir avec les critères d'évaluation, car le critère est exactement un - deviner le sens de l'échange ou non. Mais ce dernier dépend de l'ensemble et des propriétés des prédicteurs.
Ici, il faut absolument inventer un critère de robustesse des TS et optimiser en fonction de ce critère) Encore une fois on aura la mêmeoptimisation sur l'histoire, mais dans un profil différent).
Voilà, je ne comprends pas l'allergie de certains camarades au mot "optimisation".
L'optimisation doit être considérée comme un processus de recherche de la meilleure solution. la meilleure solution d'un modèle robuste. Si le modèle n'est pas robuste (critère d'évaluation faible), alors, comme on dit, "ne blâmez pas le miroir" (blâmez l'optimisation).