L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1288
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
cioè la non stazionarietà non viene uccisa da tutta quella merda e i modelli è meglio non trovarli
Non uccidere la non stazionarietà). È impossibile ucciderlo, poiché, per definizione, non puoi assolutamente isolare con precisione qualcosa da qualsiasi BP o isolare qualsiasi cosa che si muova del tutto dalla BP, ma solo una parte di essa, e solo secondo i tuoi criteri, una parte significativa rimarrà sempre nella BP, e genererà non stazionarietà.
In generale, la stazionarietà-non stazionarietà non è un criterio molto buono.
Non uccidere la non stazionarietà). È impossibile ucciderlo, perché voi, per definizione, non potete assolutamente isolare qualcosa da qualsiasi BP o isolare dalla BP qualsiasi cosa che si muova, ma solo una parte di essa, e solo secondo i vostri criteri, una parte significativa rimarrà sempre in BP, e genererà non stazionarietà.
In generale, la stazionarietà-non stazionarietà non è un gran criterio.
Nella nuda BP, la regolarità è solo nella ciclicità. È un assioma. Se i cicli non possono essere individuati, niente funziona per definizione.
Lo stesso tentativo di portare alla stazionarietà è un tentativo di isolare un segnale costante, che, come direbbe Alexander, non esisteIn BP nuda, il modello è solo ciclico. Questo è un assioma. Se i cicli non possono essere isolati, allora niente funziona per definizione.
Penso che l'assioma sia così così). Prendete il suono, la musica, diciamo. Non c'è nessun ciclo, solo uno a breve termine, il resto è imprevedibile. E anche in una ciclicità a breve termine non sei veramente comprensibile - un'intera orchestra suona, e ognuno ha la sua parte).
Penso che l'assioma sia così così). Prendete il suono, la musica, diciamo. Non c'è ciclicità lì, solo a breve termine, il resto è imprevedibile. E anche con una ciclicità a breve termine è difficile da capire - un'intera orchestra sta suonando, e ognuno ha la sua parte).
Non è che qualcuno abbia cercato di rintracciare la musica o il suono. Ce n'è una ciclica, battiti di qualche tipo, e ce n'è una aciclica, imprevedibile.
ci sono BP prevedibili, ci sono quelli imprevedibiliPermutazione rifiutata e rimozione dei predittori di 1 sulla trama valida. Completa casualità, proprio come nella trama di allenamento.
, caratteristica, valore assoluto, valore relativo * 100
1) 23 0.05544194501249716 100
2) 53 0.04867290288234849 87
3) 32 0.03782135076252724 68
4) 37 0.03541102077687447 63
5) 26 0.03532324097876799 63
6) 33 0.03362697736099274 60
7) 40 0.03278533635676495 59
8) 13 0.03230890464933017 58
9) 60 0.03111487121639406 56
10) 24 0.03067918054294078 55
11) 8 0.02900490852298082 52
12) 10 0.02877257422711971 51
13) 49 0.02715383847459318 48
14) 64 0.02681691125087354 48
15) 38 0.02662037037037041 48
16) 35 0.02532532532532533 45
17) 1 0.02212475633528266 39
18) 57 0.02151192288178594 38
19) 28 0.02077687443541104 37
20) 12 0.01949317738791423 35
21) 11 0.01935357107770902 34
22) 56 0.01921172509407804 34
23) 19 0.01870370370370372 33
24) 27 0.01806684733514002 32
25) 46 0.01805450097021855 32
26) 3 0.0175925925925926 31
27) 42 0.01603966170895305 28
28) 44 0.01603966170895305 28
29) 4 0.01568141958114105 28
30) 54 0.01553166069295103 28
31) 36 0.01553166069295103 28
32) 25 0.01440866453921286 25
33) 63 0.01370370370370372 24
34) 41 0.01329274479959414 23
35) 55 0.01322751322751325 23
36) 15 0.01322751322751325 23
37) 17 0.01289590426080678 23
38) 39 0.01284348864994028 23
39) 7 0.01260422726391314 22
40) 9 0.012243648607285 22
41) 43 0.01221434200157606 22
42) 50 0.01074595722483046 19
43) 62 0.0106090745476935 19
44) 52 0.01058201058201058 19
45) 21 0.009986426216792743 18
46) 59 0.009936766034327027 17
47) 47 0.009652712202287306 17
48) 14 0.009616300104732023 17
49) 58 0.009333730513355176 16
50) 0 0.009109109109109115 16
51) 22 0.008516537928302648 15
52) 5 0.008285913946291301 14
53) 51 0.008285913946291301 14
54) 16 0.007571107018620848 13
55) 6 0.007467144563918782 13
56) 18 0.00722673893405601 13
57) 20 0.006734006734006759 12
58) 45 0.005037037037037062 9
59) 30 0.004840067340067367 8
60) 48 0.003703703703703709 6
61) 29 0.002872678772955772 5
62) 31 0.002849002849002857 5
63) 61 0.001154128632882168 2
64) 34 0.0003138731952291307 0
65) 2 -0.0009033423667569873 -1
0, valore assoluto, valore relativo * 100
1) 14 0.04838455476753351 99
2) 28 0.04332634521313766 89
3) 40 0.03703703703703703 76
4) 48 0.0356709168184578 73
5) 37 0.03461279461279465 71
6) 26 0.03151827324012757 65
7) 3 0.02880658436213995 59
8) 39 0.02445842068483578 50
9) 34 0.02417848115177496 49
10) 51 0.0228526398739165 47
11) 6 0.02062678062678064 42
12) 52 0.01807496118873364 37
13) 19 0.01765719207579675 36
14) 17 0.01600654282042296 33
15) 50 0.01582491582491585 32
16) 25 0.01527640400043961 31
17) 36 0.01527640400043961 31
18) 44 0.01488195143784271 30
19) 1 0.01475021533161069 30
20) 47 0.01404853128991063 29
21) 33 0.01257220523275571 25
22) 22 0.01227513227513227 25
23) 41 0.01095008051529794 22
24) 7 0.0109137350516661 22
25) 16 0.01020525169131981 21
26) 43 0.009586056644880214 19
27) 4 0.009417989417989436 19
28) 49 0.008301404853129024 17
29) 35 0.007797270955165692 16
30) 27 0.007680976430976427 15
31) 29 0.00753851196329075 15
32) 23 0.00753851196329075 15
33) 59 0.006652765365902091 13
34) 24 0.006644880174291934 13
35) 15 0.006374326849104328 13
36) 13 0.006297363646066811 13
37) 38 0.006224712107065045 12
38) 55 0.005901505901505899 12
39) 10 0.005698005698005715 11
40) 61 0.005642761875448876 11
41) 9 0.005427841634738195 11
42) 42 0.005152979066022578 10
43) 0 0.00490852298081218 10
44) 2 0.003703703703703709 7
45) 30 0.003406967798659233 7
46) 62 0.003122308354866488 6
47) 31 0.003122308354866488 6
48) 64 0.002295252999478359 4
49) 21 0.0008465608465608732 1
50) 11 0.0006224712107065211 1
51) 53 0.0005336748852599049 1
52) 12 0.0005336748852599049 1
53) 58 0.0002916302128900816 0
54) 5 0.0002153316106804914 0
55) 8 -0.0001086130118387874 0
56) 18 -0.0007739082365947891 -1
57) 20 -0.0008417508417508102 -1
58) 54 -0.0009746588693956837 -2 (30)
59) 46 -0.002010582010582018 -4 (25)
60) 32 -0.002348169495143548 -4 (3)
61) 57 -0.003145611364789413 -6 (18)
62) 56 -0.004743162781309929 -9 (22)
63) 45 -0.00597371565113497 -12 (58)
64) 60 -0.007107107107107102 -14 (9)
65) 63 -0.008547008547008517 -17 (33)
in () per il fondo 7 - la posizione di questo predittore quando viene rimosso di 1 - si può vedere che la posizione è casuale
E nell'articolo su questo metodo tutto è molto bello.
Perché può essere così?
Nell'articolo tutti i predittori (6 in totale) sono importanti e questo metodo setaccia bene un predittatore di rumore. Dei miei 65 predittori la metà o la maggior parte può essere rumorosa.
Inoltre la foresta è ancora casuale e quando si calcola l'errore rimuovendo 1, potrebbero essere introdotte anche deviazioni casuali, che potrebbero spostare l'importanza del predittore sulla scala di importanza.
Inoltre, ciò che rende instabile il metodo di permutazione è che in pratica l'albero troverà sempre un altro predittore, che sarà quasi una buona divisione, e la permutazione rimuove questo nodo (rendendo il risultato del suo lavoro casuale).
In generale sui miei dati la permutazione (nella mia versione, cioè riordinando le righe del predittore da controllare) non funziona.
Maxim l'hai implementato in modo diverso (qualcosa con distribuzione normale). Non hai fatto un confronto con la rimozione di 1? O ha preso i risultati dell'articolo per fede?
Beh, non è che qualcuno abbia cercato di scambiare musica o suoni. C'è il ciclico allo stesso modo, battiti di qualche tipo, e l'aciclico imprevedibile.
C'è più ciclicità nel suono, nella musica che nel mercato. Facciamo trekking sulla musica! Sono sicuro che i risultati non saranno migliori di quelli del mercato).
Ho la permutazione e la rimozione dei predittori 1 alla volta. Completa casualità, proprio come nella trama di allenamento.
E nell'articolo su questo metodo tutto è molto bello.
Perché può essere così?
Nell'articolo tutti i predittori (6 in totale) sono importanti e questo metodo elimina molto bene un predittatore rumoroso. Dei miei 65 predittori la metà o la maggior parte può essere rumorosa.
Inoltre la foresta è ancora casuale e quando si calcola l'errore togliendo 1, ci potrebbero essere anche deviazioni casuali, che potrebbero spostare l'importanza del predittore sulla scala di importanza.
Inoltre, ciò che rende instabile il metodo di permutazione è che in pratica l'albero troverà sempre un altro predittore, che sarà quasi una buona divisione, e la permutazione rimuove questo nodo (rendendo il risultato del suo lavoro casuale).
In generale, sui miei dati la permutazione (nella mia versione, cioè riordinando le righe del predittore da controllare) non funziona.
Maxim l'hai implementato in modo diverso (qualcosa con distribuzione normale). Non hai fatto un confronto con la rimozione di 1? O ha preso i risultati dell'articolo per fede?
Prima di tutto, devi decorrelare (se non l'hai già fatto), cioè rimuovere tutte le correlazioni, diciamo, superiori a 0,9 almeno. Altrimenti la permutazione non funziona
Non sono andato veramente nei confronti, ho solo visto che riduce l'errore uno, rimuove le cose inutili e semplifica il modello (quasi nessuna perdita) che è due
Potrei trovare alcuni esempi in python per altri modelli e confrontare con quello che ho ottenuto attraverso alglib, ma sono così annoiato
per cominciare, devi decorrelare (se non l'hai già fatto), cioè rimuovere tutti i correlati sopra, diciamo, 0,9 almeno. Altrimenti il rimpasto non funziona
Non sono andato in profondità nei confronti, ho solo visto che questa volta riduce gli errori, butta fuori le cose inutili e semplifica il modello (quasi senza perdite) che sono dueHo provato con Spearman 0.9, nessun miglioramento.
quali sono gli errori finali? entrambi i modelli e come lavorano sui nuovi dati
amico, questa è un'analisi molto profonda da fare
Nel suono, nella musica, c'è molta più ciclicità che nel mercato. Facciamo trekking sulla musica! Sono sicuro che i risultati non saranno migliori di quelli del mercato).
Potete semplicemente correre in cerchio, agitando le braccia, il risultato sarà più o meno lo stesso)