Où se situe la limite entre l'ajustement et les modèles réels ? - page 16

[Vladimir Paukas]

Debugger:

Les algorithmes de régularisation sont des algorithmes qui empêchent l'effet de sur-apprentissage de NS. Si vous le recherchez sur Google, vous en trouverez un certain nombre qui fonctionnent.

Ainsi, avec ces algorithmes, le sujet même de la "frontière entre ajustement et régularité" disparaît tout simplement.

Bien que la question de l'architecture du réseau reste ouverte.

Et ne confondez pas normalisation et régularisation.

La normalisation consiste à ramener des données de différentes échelles à la même échelle.

Enfin, tous les types de SN ne fonctionnent pas bien sur les marchés financiers.

Quels sont les types qui vont bien ?

[Serqey Nikitin]

"Où est la limite entre les modèles adaptés et les modèles réels ?"

En ce qui me concerne, j'ai résolu cette question très simplement : les mêmes réglages de TS donnent forcément à peu près la même rentabilité, bien sûr,

corrigé pour la volatilité de la paire de devises, tout en travaillant sur plusieurs devises, au moins 3-4 paires majeures. Si cette condition

il est possible de remplir cette condition - l'ajustement est exclu.

[Владимир Тезис]

Je pense que si le code fonctionne selon des modèles réels, il sera rentable même sans aucune modification (optimisation par le testeur des plages de paramètres du code utilisé). C'est probablement ce qui le rend différent.

[Vladimir Paukas]

VNIK:

"Où est la limite entre les modèles adaptés et les modèles réels ?"

En ce qui me concerne, j'ai résolu cette question très simplement : les mêmes réglages de TS donnent forcément à peu près la même rentabilité, bien sûr,

corrigé pour la volatilité de la paire de devises, tout en travaillant sur plusieurs devises, au moins 3-4 paires majeures. Si cette condition

il est possible de remplir cette condition - l'ajustement est exclu.

Ce n'est pas un fait. Les paires de dollars sont parallèles - cela ne sert à rien.

[Yury Reshetov]

drknn:
Je pense que si le code fonctionne selon des modèles réels, il fonctionnera de manière rentable sans aucune modification (optimisation par les testeurs des plages de paramètres du code utilisé). C'est probablement ce qui fait la différence.

C'est le signe distinctif du Graal. Les instruments financiers sont non stationnaires et ne présentent donc pas de schémas stables : dense aujourd'hui, vide demain, etc.

[Andrei01]

Reshetov:
Les instruments financiers sont non stationnaires et ne présentent donc pas de modèles stables.

La non-stationnarité n'est-elle pas un modèle stable ? :)

[Yury Reshetov]

Andrei01:
La non-stationnarité n'est-elle pas un modèle stable ? :)

Pour les très doués : la non-stationnarité est l'absence de régularités statistiques telles que l'espérance et la variance.

Placez des enveloppes de Bollinger sur le graphique et vous pourrez voir quels sont les "motifs" de non-stationnarité, car le centre de l'indicateur est l'espérance, et la distance entre le centre et les enveloppes est la dispersion.

[Леонид]

Andrei01: La non-stationnarité n'est-elle pas un modèle stable ? :)

Bien sûr, la non-stationnarité est aussi une sorte de régularité. Vous ne pouvez pas gagner de l'argent avec ça. ))))

[Vladimir Paukas]

LeoV:

Bien sûr, la non-stationnarité est aussi une sorte de régularité. Mais vous ne pouvez pas gagner de l'argent avec ça )))).

Cela dépend de l'endroit où vous travaillez. ;)

[Avals]

LeoV:

Bien sûr, la non-stationnarité est aussi une sorte de régularité. Mais vous ne pouvez pas gagner de l'argent avec ça )))).

Par exemple, les indices boursiers des pays prospères ont une tendance constante à la hausse. Et la règle stupide qui consiste à "laisser les profits augmenter et réduire les pertes" utilise la non-stationnarité avec des mo positifs pour les longs. C'est vrai, c'est aussi pourquoi les creux se produisent beaucoup plus rapidement que les périodes de croissance))). Les bénéfices sont composés de plusieurs transactions très instables :)