Discussion de l'article "Approche brute de la recherche de motifs (partie VI) : Optimisation cyclique" - page 3
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
Mais le fait de rechercher spécifiquement la beauté par Sharpe, R^2 ou critère dans cet article semble discutable. Je me trompe peut-être.
Très juste
Très juste que quelque chose semble douteux )))) même ainsi, mais tout cela est un hochet, tandis que quelqu'un est très juste ou faux j'ai déjà transformé tout cela en un produit. C'est quoi cette terminologie, très faux..... Ces courbes ne sont qu'un moyen de rapprocher l'écart-type de l'espérance mathématique, allez les gens..... Travailler avec un échantillon limité vous obligera à le faire parce que c'est la seule façon d'augmenter la confiance dans cet échantillon.
C'est très bien que quelque chose soit considéré comme douteux ))) même si c'est le cas, mais ce n'est que de la foutaise, alors que quelqu'un a tout à fait raison ou tort , j'ai déjà transformé tout cela en un produit.
Le fait de transformer quelque chose en produit ne signifie pas qu'il fait quelque chose d'utile.
Je répondrai au reste plus tard.
Je répondrai au reste plus tard.
Le simple fait de modifier le CT pour obtenir une belle courbe de profit constitue un surentraînement, même si vous avez des OOS.
Connaissez-vous l'erreur des tests multiples?
Familiarisez-vous avec ces documents
P-hacking et retraining backtests " Mathematical Investor (mathinvestor.org)
Comment le surentraînement à l'histoire en finance conduit à de fausses découvertes " The Math Investor (mathinvestor.org)
Le surentraînement à l'historique des backtests et l'erreur de probabilité post-hoc " The Mathematical Investor (mathinvestor.org)
backtest-prob.pdf (davidhbailey.com)
L'IA en finance : comment croire enfin à ses backtests [3/3] | par Alex Honchar | Towards Data Science
Démystifier la probabilité d'un surajustement des backtests : un guide pas à pas avec du code Python et des aides visuelles | par Francesco Landolfi | Python in Plain English
Vous vous rendrez alors compte que vous êtes en train de vous surentraîner, quel que soit le critère que vous utilisez :
unmoyen de rapprocher l'écart-type de l'espérance mathématique ou de la pente de la droite de régression ou de la maximisation du profit ou de Sharpe ou.....
Ce qu'il faut faire :
L'erreur des tests multiples montre que même au hasard, vous pouvez construire un TS qui montrera une belle courbe à la fois sur le test et sur la formation.
Il est donc nécessaire de
1) Développer un système de simulations, d'intervalles de confiance et prendre la courbe comme résultat non pas d'un calcul de TS de négociation comme vous l'avez fait, mais par exemple de 50 simulations de TS dans des environnements différents, la moyenne de ces 50 simulations à prendre comme résultat de la fonction d'aptitude qui doit être maximisée/minimisée.
2) Pendant la recherche de la meilleure courbe (à partir du point 1 ) par l'algorithme d'optimisation, chaque itération devrait être corrélée pour des tests multiples.
Le problème des tests multiples dans la pratique / Habr (habr.com)
C'est ainsi...
Le simple fait d'ajuster le CT pour qu'il corresponde à une belle courbe de profit constitue un surentraînement, même si vous avez des OOS.
Connaissez-vous l'erreur des tests multiples?
Lisez ces documents
P-hacking et retraining backtests " Mathinvestor (mathinvestor.org)
Comment le surentraînement à l'histoire en finance conduit à de fausses découvertes " The Math Investor (mathinvestor.org)
Le surentraînement aux tests historiques et l'erreur de probabilité post-hoc " The Mathematical Investor (mathinvestor.org)
backtest-prob.pdf (davidhbailey.com)
L'IA en finance : comment croire enfin à ses backtests [3/3] | par Alex Honchar | Towards Data Science
Démystifier la probabilité d'un surajustement des backtests : un guide pas à pas avec du code Python et des aides visuelles | par Francesco Landolfi | Python in Plain English
Vous vous rendrez alors compte que vous êtes tout simplement en train de vous surentraîner, quel que soit le critère que vous utilisez :
unmoyen de rapprocher l'écart-type de l'espérance mathématique ou de la pente de la ligne de régression ou de la maximisation du profit ou de Sharpe ou....
Ce qu'il faut faire :
L'erreur des tests multiples montre que même au hasard, il est possible de construire un TS qui montrera une belle courbe à la fois sur le test et sur la piste.
Et il est nécessaire
1) Développer un système de simulations, d'intervalles de confiance et prendre la courbure comme résultat non pas d'un seul calcul du TS de négociation comme vous l'avez fait, mais par exemple de 50 simulations du TS dans différents environnements, la moyenne de ces 50 simulations à prendre comme résultat de la fonction d'aptitude qui doit être maximisée/minimisée.
2) Au cours de la recherche de la meilleure courbe (à partir du point 1 ) par l'algorithme d'optimisation, chaque itération doit être corrélée pour des tests multiples.
Le problème des tests multiples en pratique / Habr (habr.com)
C'est comme ça...
Je l'ai déjà entendu. Tout ce qui est beau, c'est le réentraînement. Oui, bien sûr, c'est une fonction d'aptitude et nous ne cherchons pas la bonne chose. Je n'ai pas de réseau neuronal, si tant est qu'il y en ait un. Les problèmes sont compréhensibles. C'est juste un problème d'échantillonnage limité, je vais vous dire la vérité, vous ne faites tout simplement pas attention à ce que je dis. Vous m'avez lancé cent et cinq cents articles, comme si nous avions le temps de nous asseoir et de lire pour vous prouver quoi que ce soit. Ce que vous proposez est compréhensible, mais mettre tout cela dans un produit et donner aux gens que vous compterez tout jusqu'à la retraite et non le fait que vous obtiendrez votre graal tant convoité..... Les ressources sont limitées et le temps est limité, personnellement, si vous avez plus de temps, pour l'amour de Dieu, allez plus loin. J'ai entendu beaucoup de choses, je n'ai pas lu d'articles, mais ces problèmes sont évidents et sans articles, pour une personne qui pense.
J'ai déjà entendu ça. Tout ce qui est beau, c'est le réentraînement. Oui, bien sûr, c'est une fonction d'aptitude et nous ne cherchons pas la bonne chose, les critères de recherche ne sont pas les bons. La fonction d'aptitude... Je n'ai pas de réseau neuronal, si tant est qu'il y en ait un. Les problèmes sont compréhensibles. Il s'agit simplement d'un problème d'échantillonnage limité, je vais vous dire la vérité, vous n'êtes tout simplement pas attentif à ce que je dis. Vous m'avez lancé cent et cinq cents articles, comme si nous avions le temps de nous asseoir et de lire pour vous prouver quoi que ce soit. Ce que vous proposez est compréhensible, mais mettre tout cela dans un produit et donner aux gens que vous compterez tout jusqu'à la retraite et non le fait que vous obtiendrez votre graal tant convoité..... Les ressources sont limitées et le temps est limité, personnellement, si vous avez plus de temps, pour l'amour de Dieu, allez plus loin. J'ai entendu beaucoup de choses, je n'ai pas lu d'articles, mais ces problèmes sont évidents et sans articles, pour une personne qui pense.
À en juger par votre réponse, vous ne comprenez rien à rien....
Je vois bien que vous ne comprenez rien, alors qui a raison ? Votre jugement n'est que votre jugement et rien de plus. Par exemple, je vois que vous avez lu des articles intelligents et que vous déversez ici des liens en prétendant être un méga trader, mais en fait personne ne les lira. J'ai vu des gens comme vous, vous connaissez beaucoup de mots intelligents, mais cela ne sert à rien. Vous devez comprendre et dériver des formules, faire des recherches, avoir votre propre expérience et votre propre position. J'ai été impliqué dans la crypto et les paris sportifs et je sais tout, je n'ai rien à faire pour lire vos articles. Tout ce dont j'ai besoin, je le déduis moi-même, je prends un carnet et j'écris des formules.
Vous devez
1) Développer un système de simulations, d'intervalles de confiance et prendre la courbe comme résultat non pas d'un seul calcul de TS de trading comme vous l'avez fait, mais par exemple de 50 simulations de TS dans des environnements différents, la moyenne de ces 50 simulations à prendre comme résultat de la fonction de fitness, qui doit être maximisée/minimisée.
2) Au cours de la recherche de la meilleure courbe (à partir du point 1 ) par l'algorithme d'optimisation, chaque itération doit être corrélée pour des tests multiples.
Existe-t-il des exemples où quelqu'un a utilisé cette approche et l'a amenée à un résultat pratique ? Question sans moquerie, vraiment intéressante.
Existe-t-il des exemples où quelqu'un a utilisé cette approche et l'a mise en pratique ? La question est sans moquerie, vraiment intéressante.
Je l'ai fait et je l'applique.
Il serait intéressant de voir des exemples concrets. Il est clair que de nombreuses personnes se contentent d'appliquer (même si c'est avec succès) et se taisent. Mais quelqu'un devrait avoir des descriptions détaillées de ce qu'il a fait, de ce qu'il a obtenu et de la manière dont il a poursuivi ses échanges.