L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1626

Nuovo commento
 
mytarmailS:

Mi sembra che la probabilità sia al tempo stesso probabilità e probabilità...

L'incertezza è diversa, ma la probabilità (quando c'è) è sempre probabilità).

La teoria dei giochi di solito cerca di ridurre l'incertezza del gioco all'incertezza probabilistica. Per esempio, attraverso l'equilibrio di Nash nelle strategie miste.

Per i mercati il problema principale nella conversione a modelli probabilistici è la sostanziale non stazionarietà dei modelli risultanti.

 
Kesha Rutov:

In effetti, ci sono un sacco di pazzi là fuori, diecimila è solo un assaggio, alcuni picchi cercano di infilarsi un milione di puntini in bocca! Ci sono anche tic e tumbler...

Questo è quello che voglio dire. Molte persone dimenticano una regola fondamentale molto importante. Se un problema può essere risolto senza l'aiuto di NS, dovrebbe essere fatto. Da questa regola segue che abbiamo visto i dati matematicamente finché la matematica ci permette di farlo, appena la matematica è impotente allora usiamo NS. In altre parole, i dati di input dovrebbero essere filtrati al massimo, lisciati, normalizzati, ecc. MATEMATICO per quanto riguarda la matematica in linea di principio, e solo allora iniziare ad applicare NS. E non in modo da infilare le cianfrusaglie NS e aspettare nel mare del tempo. Non è così che funziona. Per esempio, usando 50 vettori di input ho rifiutato tutti i pezzi di mercato non necessari che saranno rumore durante l'allenamento e usando questo numero di input ottengo un modello di qualità di apprendimento del 90-95% con un tempo di 2 mesi su M5. Cosa succederebbe se dessi in pasto alla rete tutta questa parte? Niente. Otterrei un modello di qualità molto peggiore e non utilizzabile. E la trama era in due mesi, come nel primo che nel secondo caso, e rimase tale. Ma il risultato è diverso.
 
Aleksey Nikolayev:

L'incertezza è diversa, ma la probabilità (quando c'è) è sempre probabilità).

La teoria dei giochi di solito cerca di ridurre l'incertezza del gioco all'incertezza probabilistica. Per esempio, attraverso l'equilibrio di Nash nelle strategie miste.

Per i mercati, il problema principale nel passaggio a modelli probabilistici è la significativa non stazionarietà dei modelli risultanti.

Tutto perché la rappresentazione delle informazioni non è corretta.

Si tratta di un processo non stazionario come si fa con uno stazionario misurando un'onda marina con un righello/centimetro.

Dovresti prima trasformare le strutture frattali in una dimensione (convertire la non stazionarietà in stazionarietà), poi trovare i modelli/pattern e poi le statistiche/probabilità.

 
Mihail Marchukajtes:
Questo è quello che voglio dire. Molte persone dimenticano una regola fondamentale molto importante. Se un compito può essere risolto senza l'aiuto di NS, deve essere fatto. Da questa regola segue che abbiamo visto i dati matematicamente finché la matematica ci permette di farlo, appena la matematica diventa impotente allora usiamo NS. In altre parole, i dati di input dovrebbero essere filtrati al massimo, lisciati, normalizzati, ecc. MATEMATICO per quanto riguarda la matematica in linea di principio, e solo allora iniziare ad applicare NS. E non in modo da infilare le cianfrusaglie NS e aspettare nel mare del tempo. Non è così che funziona. Per esempio, usando 50 vettori di input ho rifiutato tutti i pezzi di mercato non necessari che saranno rumore durante l'allenamento e usando questo numero di input ottengo un modello di qualità di apprendimento del 90-95% con un tempo di 2 mesi su M5. Cosa succederebbe se dessi in pasto alla rete tutta questa parte? Niente. Otterrei un modello di qualità molto peggiore e non utilizzabile. E come la sezione era in due mesi nel primo che nel secondo caso, e rimase così. Ma il risultato è diverso.

Fico, che dire, non ho mai avuto più del 55% di acurasi nel prevedere la direzione futura, senza alcuna commistione con il passato. In generale è meglio contare non l'acurasi, ma la correlazione con il ritorno futuro, questo numero è detto essere proporzionale a Sharpe Ratio, che si otterrà (a seconda ovviamente dei costi di trading). Il 3% di correlazione è sufficiente per un SR annuale ~1 -1,5

 
Kesha Rutov:

Fico, che dire, non ho mai avuto più del 55% di acurasi nel prevedere la direzione futura, senza alcuna commistione con il passato. In generale è meglio contare non l'acurasi, ma la correlazione con il ritorno futuro, questo numero è detto essere proporzionale a Sharpe Ratio, che si otterrà (a seconda ovviamente dei costi di trading). Il 3% di correlazione è sufficiente per un SR annuale ~1 -1,5

Provate a filtrare matematicamente l'input e quindi a ridurre il campione di allenamento, senza ridurre il periodo di tempo e la qualità di NS aumenterà, ne sono sicuro. Così ci si sbarazza del rumore inutile, che viene eliminato dalla matematica. Di nuovo ho scritto valori di generalizzabilità dati dall'ottimizzatore. Cioè il periodo di tempo è lo stesso, ma la qualità della rete risultante sarà migliore, il che influenzerà il feedback. IMHO
 
Mihail Marchukajtes:
Provate a filtrare matematicamente l'input e quindi a ridurre il campione di allenamento, senza accorciare il periodo di tempo e la qualità di NS aumenterà, ne sono sicuro. Così vi sbarazzerete del rumore inutile, che viene eliminato dalla matematica. Di nuovo ho scritto valori di generalizzabilità dati dall'ottimizzatore. Cioè il periodo di tempo è lo stesso, ma la qualità della rete risultante sarà migliore, il che influenzerà il feedback. IMHO

Come?

 
mytarmailS:

tutto perché la rappresentazione delle informazioni non è corretta...

Il processo non stazionario è trattato come un processo stazionario misurato con un "righello/centimetro di onda marina".

Prima di tutto è necessario trasformare le strutture frattali in una dimensione (da non stazionarie a statiche), poi trovare i modelli/pattern, e poi trovare le statistiche/probabilità.

In caso di sostanziale non stazionarietà è più corretto parlare di multifrattale perché le caratteristiche frattali cambiano con il tempo. Questi cambiamenti sono imprevedibili come qualsiasi altro.

 
Kesha Rutov:

In che senso?

Beh, diciamo non tutti i minuti, ma quelli con un corpo maggiore di N punti come esempio. In questo modo si riduce la quantità di dati, ma non l'intervallo di campionamento. E la rete vi ringrazierà.

Dato che abbiamo toccato questo argomento in generale, dirò che recentemente ho aiutato la griglia a lavorare attraverso la pre-elaborazione. Diciamo che, ottimizzando prima i parametri del Sequent, ottengo in linea di principio un Sequent digitante. E chiedo alla rete di rendere migliore il Sequenta che sta già guadagnando. Intendo un gioco di squadra. Nella metà che Sequenta sta guadagnando, nell'altra metà una rete che aiuta il Sequenta che guadagna a segnare meglio. Quindi per dire che non stupro la NS, ma le chiedo solo di aiutare un po', e questo po' è sufficiente.

Tutto questo sarà trattato nel video...

 
Mihail Marchukajtes:

Diciamo non tutti i minuti, ma quelli con un corpo maggiore di N punti come esempio. Questo ridurrà la quantità di dati ma non l'intervallo di campionamento. E la rete vi ringrazierà.

Dato che abbiamo toccato questo argomento in generale, dirò che recentemente ho aiutato la griglia a lavorare attraverso la pre-elaborazione. Diciamo che, ottimizzando prima i parametri del Sequent, ottengo in linea di principio un Sequent digitante. E chiedo alla rete di rendere migliore il Sequenta che sta già guadagnando. Intendo un gioco di squadra. Nella metà che Sequenta sta guadagnando, nell'altra metà una rete che aiuta il Sequenta che guadagna a segnare meglio. Quindi per dire che non stupro la NS, ma le chiedo solo di aiutare un po' e questo po' è sufficiente.

Tutto questo sarà mostrato nel video...

Nel vostro caso NS analizza solo i minuti che soddisfano la condizione. Così, non rimescoliamo il potenziale della rete alla vera spazzatura, che può essere eliminata matematicamente, il che è effettivamente affermato nella condizione di cui sopra. Che è meglio inteso come una LEGGE.
 
Ed Enokenty, esigo da te delle scuse pubbliche per aver equiparato me, un programmatore e tuttofare così inutile, a una personalità eccezionale come Reshetov Yury. Se aveste visto il suo codice e il suo modo di scrivere, lo avreste ammirato come io ammiro il suo modo di programmare. Sì, ho fatto alcuni aggiustamenti all'ottimizzatore, che, a mio avviso, hanno migliorato le prestazioni finali, ma è stupido paragonare lui e me. In confronto a lui sono solo uno studente di scuola superiore che ha sempre saltato le lezioni e grida sempre dal retro della scuola "Cosa? Quindi sto aspettando delle scuse.
1...161916201621162216231624162516261627162816291630163116321633...3399
Nuovo commento
Motivazione: