L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1377
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
Esattamente giusto, più sono meglio è (meno di 100k è rumore), ma bisogna considerare che le proprietà del mercato cambiano, e come tenerne conto nella formazione è un grande segreto.
Ho provato a diminuire uniformemente il peso delle linee, ma non ho notato alcun miglioramento. Quali sono le altre opzioni?
Qui ho provato a ridurre il peso delle linee in modo uniforme, ma non ho notato alcun miglioramento. Quali altre opzioni avete?
Devi aver sbagliato qualcosa, dovrebbe essere meglio, anche se devi riconfigurare il classificatore, l'optimum senza ponderazione temporale è diverso.
Potremmo anche provare a dividere l'urna in, per esempio, 10 frammenti e insegnarli a una media più o meno ottimale per tutti con un test del 10% (vicino alla fine (presente)) e poi usare la qualità modulata della classificazione (1-.1) come pesi per i frammenti. È possibile farlo con una finestra scorrevole, naturalmente con un certo passo per ottenere pesi più uniformi. A proposito, la dinamica stessa di questi pesi è una caratteristica molto importante, avendo a che fare con il cambiamento delle modalità di mercato.
Qualcosa deve essere sbagliato, dovrebbe essere migliore, anche se il classificatore deve essere riconfigurato, l'ottimale senza ponderazione temporale è diverso.
È anche possibile provare a dividere l'urna in per esempio 10 frammenti e insegnare su una media più o meno ottimale per tutti al test del 10% (vicino alla fine (presente)) e poi usare la qualità modulata della classificazione (1-.1) come pesi per i frammenti. È anche possibile utilizzare una finestra scorrevole con un certo passo per ottenere pesi più uniformi. A proposito, la dinamica di questi pesi stessi è una caratteristica molto importante, avendo a che fare con i cambiamenti della modalità di mercato.
Non capisco bene l'idea, è come vladimir ha consigliato? Cioè dopo l'addestramento su una parte dei dati per mettere i pesi al pezzo di prova?
È più o meno così, se ho capito bene. Allenarsi sulla prima fetta, ottenere akurasi e utilizzare come peso, modulato -1, 1 su akurasi tutte le fette e così per tutte le fette, è possibile fare fette sovrapposte con una finestra scorrevole, sarà più calcoli, ma IMHO 10-20 fette sufficienti per un campione di 500 stringhe
PS il peso non è dato a quello di prova alla fine, più vicino a quello reale, ma al pezzo più lungo, nella foto a sinistra.
È più o meno così, se ho capito bene. Allenarsi sulla prima fetta, ottenere akurasi e utilizzare come peso, modulato -1, 1 su akurasi tutte le fette e così per tutte le fette, è possibile fare fette sovrapposte con una finestra scorrevole, sarà più calcoli, ma IMHO 10-20 fette sufficienti per un campione di 500 stringhe
PS il peso non è messo su quello di prova alla fine, più vicino a quello reale, ma sulla fetta di lerno, nella foto a sinistra.
Ah - beh, questo è l'opposto di quello di Vladimir. Ha dato dei pesi alle linee in questi pezzi di prova, e spostandoli costantemente ha dato dei pesi a tutto il campione. Qui si ottiene un peso diverso per ogni linea.
E si ha - allenamento su un piccolo pezzo di lern (20-50k linee), controllo contro il test e se il test è migliore/peggiore della media per tutti i pezzi, rispettivamente cambiare peso a tutte le linee in questo pezzo di lern. Qui il peso di tutte le righe di una fetta è lo stesso.
Ora ho capito bene la tua idea?
Into the piggy bank, probabilmente interessante... non l'ho ancora guardato. mi è piaciuto il contenuto della conferenza.
https://www.lektorium.tv/lecture/14232
Into the piggy bank, probabilmente interessante... non l'ho ancora guardato. mi è piaciuto il contenuto della conferenza.
https://www.lektorium.tv/lecture/14232
Mi è piaciuto il relatore, non mi è piaciuta la lezione. Anche se legge bene. Sono riuscito a stare seduto per 25 minuti). Era destinato a un pubblico diverso. Sicuramente qualcosa di interessante dirà dopo, ma 2 ore di visione...
Mi è piaciuto il docente, ma non la lezione. Leggeva bene, però. (Sono riuscito a resistere per 25 minuti). Progettato per un pubblico diverso. Sono sicuro che dirà qualcosa di interessante dopo, ma 2 ore di visione...
Nemmeno io l'ho ancora capito.
Ha un corso di lezioni. Se guardi la prima, è un'analisi profonda della struttura e dei modelli di mercato.
interessante in generale. Quantum di JP Morgan o chissà.
Ah - beh, è il contrario di quello di Vladimir. Ha dato dei pesi alle linee in questi pezzi di prova, e spostandoli costantemente ha dato dei pesi a tutto il campione. Qui si ottiene un peso diverso per ogni linea.
Ti sei allenato su un piccolo pezzo di Lerna (20-50k corde), controlla con il test e se il test è migliore/peggiore della media di tutti i pezzi, rispettivamente cambia il peso di tutte le corde in questo pezzo di Lerna. Qui il peso di tutte le righe di una fetta è lo stesso.
Ho capito bene la sua idea ora?
Sì, in una fetta il peso è lo stesso, prima ogni fetta è addestrata e testata su un test alla fine e il risultato è registrato per la fetta di addestramento, poi prendere la media per tutte le fette e dividere per lo spread questo sarà il peso.
Into the piggy bank, probabilmente interessante... non l'ho ancora guardato. mi è piaciuto il contenuto della conferenza.
https://www.lektorium.tv/lecture/14232
La matematica finanziaria presentata senza il calcolo stocastico di Ito appare piuttosto criptica e oscura.