L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2963
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
L'unica possibilità che vedo è quella di ottimizzarlo fuori dal treno, sul test, e di addestrare il MO sul treno. Questo ha ancora un senso in termini di estrazione di qualcosa di comune da diversi periodi storici.
C'è molto spazio per l'immaginazione nel modo di usare la FF, è un peccato che non ci sia un'unica ricetta corretta per la preparazione della FF, anche se ci sono alcune raccomandazioni.
Ad esempio, l'ottimizzazione dell'equilibrio. Il TS ha mostrato il 90% del profitto in un solo trade, mentre il resto dei cento trade sono circa zero. è un buon FF? forse è buono, ma non per questa strategia. e forse la strategia è così cattiva visto che ci sono tali varianti di risultati nell'ottimizzazione.
Quindi, il FF deve tenere conto di tutto ciò che è richiesto dal modello e il problema si riduce alla massimizzazione dell'optimum globale. ne consegue un'altra conclusione: il modello e il FF non possono stare da soli, un buon modello può essere rovinato da un FF inadatto e viceversa. anche se non ha senso parlare di FF separatamente dal modello in generale.
Cosa c'è di curioso? Così è stato detto un paio di mesi fa in questo thread in dialoghi con la mia partecipazione)) qui molti sostenevano che il max/min ff non dovrebbe essere in alcun modo))))
come si imposta il ff così la nave navigherà....
Non avete ancora capito: non si tratta affatto di ottimizzazione - è uno strumento per creare un insegnante per l'apprendimento.
Ci sono solo pochi problemi nel MOE e il primo è un buon insegnante.
E la qualità dell'insegnante NON è determinata dalla qualità della FF e non è determinata dalla qualità dell'ottimizzazione - prima abbiamo parlato di optimum locale/globale. Nell'esempio non ci siamo preoccupati e abbiamo preso il primo algoritmo e lo abbiamo usato a testa bassa, il che è assolutamente corretto.
La qualità dell'insegnante è determinata dalla capacità di selezionare predittori che non perderanno il loro potere predittivo in futuro. Ma nel determinare questa proprietà dell'insegnante, il FF non viene utilizzato affatto.
Non avete ancora capito: non si tratta affatto di ottimizzazione, ma di uno strumento per creare un insegnante per l'apprendimento. Ci sono solo pochi problemi nel MOE, e il primo è un insegnante intelligente.
No, non hai ancora capito. Senza ottimizzazione non può esistere il MOE in linea di principio. senza ottimizzazione non può esistere nulla. nulla.
Che cos'è un "insegnante intelligente"? Dove sono i criteri di conformità a questo insegnante intelligente? Lei intende valutare la conformità del modello all'insegnante. La valutazione della conformità è la FF, come fa a non capire le cose elementari.
Il FF è il criterio di valutazione. Ottimizzare significa massimizzare il criterio di valutazione.No. Non capisci, non capisci. Senza ottimizzazione non può esistere il MO. senza ottimizzazione non può esistere nulla. nulla.
Che cos'è un "insegnante intelligente"? Dove sono i criteri di conformità a questo insegnante intelligente? Voi valutate la conformità del modello all'insegnante. La valutazione della conformità è la FF, come fate a non capire le cose elementari.
Il FF è il criterio di valutazione. Ottimizzare significa massimizzare il criterio di valutazione.Mentre lei scriveva, io ho aggiunto qualcosa.
Aggiungo.
L'uso dell'ottimizzazione quando si crea un insegnante è una cosa, è esterno al modello.
L'uso dell'ottimizzazione quando si cercano i parametri del modello è un'altra cosa, è incorporato nel modello stesso, ci sono modelli in cui è possibile scegliere l'opzione di ottimizzazione.
La valutazione dell'uso del modello di classificazione è il terzo punto e qui non c'è odore di ottimizzazione. Esiste un proprio sistema di valutazione degli errori di classificazione.
Ad esempio, la matrice degli errori
Più significativo
Esistono pacchetti speciali che estendono gli esempi precedenti di valutazione dei modelli di classificazione. Ad esempio, il pacchetto PerformanceAnalyticsVisto che non hai capito nulla, continui a non capire: non si tratta affatto di ottimizzazione in sé, ma di uno strumento per creare un insegnante per l'apprendimento.
Ci sono solo pochi problemi nel MOE, e il primo è un insegnante intelligente.
E la qualità dell'insegnante NON è determinata dalla qualità del FF e non è determinata dalla qualità dell'ottimizzazione - prima si parlava di optimum locale/globale. Nell'esempio, non ci siamo preoccupati e abbiamo preso il primo algoritmo che abbiamo trovato e lo abbiamo usato a testa bassa, il che è assolutamente corretto.
La qualità di un insegnante è determinata dalla capacità di selezionare predittori che non perderanno il loro potere predittivo in futuro. Ma per determinare questa proprietà di un insegnante non si usa affatto la FF.
Si tratta di una sorta di bivio. L'argomento in discussione è diventato l'apprendimento per rinforzo, e forse ha senso utilizzare tutti gli approcci da lì. Nel trading, finora si è dimostrato che non c'è nulla da fare. O si tratta di formazione con un insegnante che utilizza esempi già pronti. O si tratta di rinoceronti sconosciuti di questo e quello, ma non c'è nemmeno un apparato teorico per questo :)
Ecco https://www.mql5.com/ru/code/903 anche 11 anni fa. E il grafico è più bello di quello di mytarmailS nel suo esempio.
Ma non credo che sia il vostro. Dov'è il tuo?
Ecco https://www.mql5.com/ru/code/903, sempre di 11 anni fa. Il grafico è più bello di quello di mytarmailS nel suo esempio.
Ma non assomiglia al vostro. Dov'è il vostro?
Ecco https://www.mql5.com/ru/code/903, sempre di 11 anni fa. Il grafico è più bello di quello di mytarmailS nel suo esempio.