Où se situe la limite entre l'ajustement et les modèles réels ? - page 50
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
Oui, je suis conscient de ça. Je ne vais pas faire ça. Mais il est inutile de s'en préoccuper tant que l'ordinateur ne distingue pas le chat du chat en fonction de caractéristiques externes.Et quand ce sera le cas, le marché sera complètement différent... :о)
"L'effet de queue est un phénomène tellement courant dans l'optimisation des TS qu'il est même ennuyeux de le démontrer.
La seule façon de ne pas le détecter est de chasser le profit mais de prouver qu'un modèle ne peut pas exister.
Bonne chance.
J'ai réfléchi et j'ai trouvé la réponse suivante : la recherche d'un modèle ne va-t-elle pas un peu plus loin que l'essayage ? Je vais vous expliquer en vous donnant l'exemple d'une expérience que je mène. Il y a un réseau neuronal que j'utilise. En général, je l'entraîne pendant une heure ou deux. En général, j'obtiens 30 à 50 % des résultats et je passe avec succès les tests de progression (1/6 d'une période de formation). Problème pour les identifier, la simple supposition joue contre moi dans ce cas. J'ai essayé d'enseigner 4 heures - malheureusement, seulement environ 20% des transitaires réussissent. Conclusion : ré-entraînement, un raccord est parti. Frustré et.... a décidé de poursuivre sa formation. 12 heures, mêmes 20%. 24 heures, à nouveau 20%, mais j'ai remarqué qu'ils passent les attaquants à peine moins bien que la période de formation. Auparavant, même les meilleurs résultats montraient une baisse sensible des performances, et ces 20% étaient en fait les meilleurs résultats d'entraînement de tous les ensembles. Avant, ils étaient répartis à peu près équitablement entre les autres. C'est devenu intéressant. J'ai passé près de 72 heures à m'entraîner à ce jour. Oh miracle. Sur les 200 premiers résultats, plus de 123 ont passé avec succès le test d'avancement. Vous pouvez essayer de jouer à un jeu de devinettes profitable.
L'augmentation de la durée d'apprentissage a conduit à une amélioration progressive du résultat à la période d'échantillonnage. Ce qui est naturel. Le résultat de 72 heures a dépassé le résultat de 2 heures par un facteur de plus de 4. Le résultat de l'OOS a également fini par s'améliorer, mais il n'y a pas eu de gradualisme à proprement parler, il y a eu un échec évident.
__________
Qu'est-ce que cela vous dit ?
Une option triste et évidente : à propos d'une méthodologie de formation imparfaite et d'un NS surchargé) Le GA classique est un peu lourd pour l'enseignement du NS, mais oui il y a beaucoup de choses à régler... Le NS dispose d'une grande liberté, les entrées du NS sont aussi clairement redondantes et ne sont pas toutes suffisamment informatives, le NS les a " éliminées " assez souvent au cours du processus d'apprentissage. Nous pourrions également expérimenter l'architecture.
Optimiste et peut-être prématuré : Un TS capable d'identifier les régularités avec ses "tripes", est simplement "obligé" de le faire, afin d'obtenir son meilleur résultat dans la période de formation. Bien sûr, si ces modèles sont significatifs de ce résultat.
Tags. Je ne sais pas ce que cet argument/holivar a à voir avec la recherche/naissance de la vérité, mais il semble que j'ai réussi à identifier pour moi-même la réponse au sujet du fil de discussion.
La frontière se situe entre les parties gauche et droite du graphique et est définie comme suit :
Si ce TS particulier, optimisé sur la partie gauche du graphique , est statistiquement enclin à "profiter de la queue "** sur la partie droite du graphique - alors il y a un modèle.
Sinon, c'est un raccord inutile.
// les personnes ayant un penchant pour les statistiques* - dans ce contexte, nous entendons par là de multiples (1) décalages des délais d'optimisation et (2) changements d'instruments de négociation
// "Profit-tail "** - "after-effects". Plus-value statistique dans le segment futur adjacent.
Cette définition tient compte de la possibilité de modèles à la fois "éternels" ettemporels.
La ligne marquée est précise dans un sens qualitatif. Ensuite, il n'y a que des évaluations quantitatives (durée de vie, degré de manifestation, etc.). Ou la poubelle.
Je suis d'accord à 100%.
Gerasim a une notion quelque peu différente de l'ajustement, qui consiste à rechercher des régularités, à les mettre en équation et à effacer ainsi la ligne. Mais ils sont juste différents dans la mesure où, lorsqu'on s'adapte sur l'histoire, le système perd en avant, mais lorsqu'on s'adapte à la régularité réelle pendant la période d'optimisation, l'avant est rentable (au moins jusqu'à 25% de la période d'optimisation).
C'est exactement le bord dont vous avez parlé. Une autre question est de savoir comment ne pas transformer la recherche ("l'accord") d'un modèle réel en un ajustement basé sur l'histoire.
ici dépend déjà et le temps d'optimisation, l'étape de changement des paramètres d'entrée, la préparation des paramètres d'entrée, etc, tout le monde qui est dans le sujet sait et navigue ...
Je répète - sur ce sujet ("comment...") vous pouvez regarder plus en détail ici.
1. J'ai passé presque 72 heures en formation jusqu'à présent. Oh miracle. Sur les 200 premiers résultats, plus de 123 passent avec succès le test d'avancement. Vous pouvez essayer de jouer au jeu des devinettes avec profit.
L'augmentation du temps d'entraînement a conduit à une amélioration progressive des résultats sur la période d'échantillonnage. Ce qui est naturel. Le résultat sur 72 heures a été plus de 4 fois supérieur au résultat sur 2 heures. Le résultat de l'OOS s'est également amélioré à long terme, mais le gradualisme n'existait pas, c'était un échec évident.
__________
2. Qu'est-ce que cela vous dit ?
1. Si la reproduction répétée de l'expérience montre la répétabilité de ce "miracle" pour différents temps et peuples d' instruments, on peut parler d'une régularité du résultat obtenu.
2. Jusqu'à présent, presque rien. Voir le point 1.
Laissez-moi essayer de raisonner logiquement.
1) Qu'est-ce qu'un motif ? Le même comportement en matière de prix sous certaines conditions.
2) Que décrivent les conditions ? Quelques caractéristiques sélectionnées d'un graphique de prix.
3) Les caractéristiques du graphique des prix sont-elles constantes ? Généralement inconstant.
4) Comment une caractéristique est-elle définie ? Selon les caractéristiques de temps et de prix.
5) Par conséquent, quand le même comportement en matière de prix est-il possible ? C'est possible lorsque les indicateurs ne sont pas constants (différents).
6) Qu'est-ce qui caractérise un indicateur non-variable ? Les caractéristiques d'un processus basé sur le temps et les prix qui décrit le changement des indicateurs.
7) Par conséquent, qu'est-ce qu'une tendance sur le marché? Une régularité est le même comportement du prix lorsqu'il y a certains changements dans les caractéristiques du processus en considérant le temps et le prix et en décrivant le changement des indicateurs sur le graphique des prix décrivant la régularité.
Il s'avère que la régularité diffère de l'ajustement en ce que les conditions de réalisation de la régularité (le même comportement) changent de manière synchrone avec le changement du graphique des prix selon certaines lois, mais les mêmes choses ne changent pas dans l'ajustement. Il s'avère que les conditions déterminées statiquement peuvent rarement décrire la régularité, car il y a beaucoup moins de caractéristiques constantes que de variables sur le marché. Fringe distingue donc les systèmes d'analyse dynamique comme étant ceux qui ont la meilleure capacité à décrire des modèles.
Oui, je suis conscient de ça. Je ne vais pas le faire. Mais tant que l'ordinateur ne pourra pas distinguer un chat d'un autre chat par son apparence, il ne servira à rien. Et lorsqu'il y parviendra, le marché aura une toute autre allure... :о)
Laissez-moi essayer de raisonner logiquement.
1) Qu'est-ce qu'un motif ? Le même comportement en matière de prix sous certaines conditions.
Le prix ne peut être le même sous certaines conditions. En d'autres termes, la probabilité que l'histoire se répète à un pip près est proche de 0. La raison en est qu'il y a du bruit dans les citations.
Puisque l'AT est basée sur la recherche de quelque chose dans le passé afin d'exploiter cette chose dans le futur, alors :
1. bruit - certains modèles du passé sans mémoire - processus aléatoires. Puisqu'il y a dispersion, les modèles dans les données historiques sont répartis de manière inégale, c'est-à-dire qu'ils sont denses, puis vides. Ayant rencontré une accumulation significative de modèles de bruit précédant un certain comportement de prix avec une forte probabilité, le TS pendant l'optimisation (entraînement) peut considérer ces mêmes modèles comme des "signaux de trading". Naturellement, de tels "modèles" ont très peu de chances de passer les tests avant, car l'accumulation excessive dans différentes parties des données historiques est peu probable, tandis que l'absence de relations stables de cause à effet, c'est-à-dire la mémoire, donnera une perte.
2. Les vrais signaux de négociation - des modèles passés précédant un comportement futur des prix, c'est-à-dire des processus non aléatoires avec mémoire. Comme ces modèles précèdent les signaux de négociation, ils s'accumulent uniformément, c'est-à-dire que le modèle d'abord, puis le signal de négociation - une relation de cause à effet stable (si elle est instable - ce n'est plus un modèle). Si l'AT révèle ces mêmes schémas, du moins en partie, elle peut passer les tests avant.
En théorie, on pourrait essayer de filtrer le bruit des modèles. C'est-à-dire qu'il faut prendre tous les signaux de trading sur les tests avancés et les diviser en deux catégories :
1. Le signal montre une perte - bruit
2. Le signal a donné un profit - un modèle
Nous pouvons alors, par exemple, apprendre au SN à distinguer le bruit des motifs par des attributs supplémentaires. En conséquence, nous obtenons un TS avec un suppresseur de bruit. Un certain pourcentage de bruit s'échappera de toute façon, mais il n'existe aucun dispositif de suppression du bruit à 100 % dans la nature.
En bref, le bazar doit être filtré par les résultats de tests préalables - hors échantillon, c'est-à-dire OOS, mais pas sur un échantillon représentatif - Sample. Si vous filtrez les signaux sur l'échantillon, ce que beaucoup essaient de faire, vous obtenez un ajustement au carré.
1. Le signal a donné une perte - bruit
2. Le signal a donné un profit - un modèle
hahahahahahaha
C'est comme diviser les animaux en "nuisibles" et "utiles"... Donc ici aussi - il y a un mouvement de prix... Mais si nous avons gagné un centime dessus, alors nous condescendons à l'appeler "légitime"... Sinon, ce n'est qu'un "bruit" sans signification - bien sûr, cela ne nous a pas fait du bien, ce doit être un accident...
Shamans ! Anthropocentristes ! Ne mettez pas Dieu en colère !
:)
Qu'est-ce que les chats ont à voir avec ça ?
Je vais répondre par une chanson ( Eduard le Cruel)... Nous pouvons nous passer des chats, mais le point ne change pas... Nous faisons en sorte que la machine mesure l'âme avec une règle... et nous essayons de révéler des régularités. Ils sont indubitablement là, mais nous pouvons soit les examiner tous en même temps (ce qui demandera beaucoup de ressources), soit ne pas prendre la peine d'ajouter un ou plusieurs instruments à l'histoire actuelle parce qu'elle est cent pour cent adaptée, et comme il s'agit en fait d'un mouvement brownien, nous ne pouvons obtenir que des résultats fragmentaires. Comme ici par exemple (+/-/++/---/+/+//--/+/+//--/).Visuellement, il semble qu'il y ait plus de plus, parce qu'on le veut, mais en réalité, ce n'est pas le cas...
La prochaine question est sans doute : où est la chanson ? :о))