L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3020
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
La precisione funziona bene con classi bilanciate. Ho provato tutte le metriche standard, senza quasi nessuna differenza nei risultati. La massimizzazione del profitto è implementata attraverso il markup con le operazioni massime redditizie, no?)
1) I costi di negoziazione non sono presi in considerazione attraverso la classificazione, il marchio della classe può mostrare che è necessario vendere, ma può essere economicamente più redditizio continuare a comprare,
La massimizzazione del profitto ne tiene conto.
2) lo stesso vale per la volatilità.
3) non è chiaro come implementare i tre stati comprare, vendere, non fare nulla, non nel contesto delle tre classi, ma solo per quanto riguarda il trading.
4) non è chiaro come gestire gli stop/teak tramite MO attraverso la classificazione.
.....
..
..
La precisione funziona bene con classi bilanciate. Ho provato tutte le metriche standard, senza quasi nessuna differenza nei risultati.
Si tratta comunque di valori diversi. Assumiamo per semplicità che il take profit = stop loss = 1 e lo spread = 0. In ogni operazione entriamo o non entriamo - per semplicità, il sistema è solo per gli acquisti (per le vendite usiamo un modello diverso).
Accuratezza = (Veri positivi + Veri negativi)/ (Veri positivi + Veri negativi + Falsi positivi + Falsi negativi)
Profitto_totale = Veri positivi - Falsi positivi
L'accuratezza sembra soddisfare i requisiti per il metodo di divisione nell'albero, ma il profitto sembra non esserlo.
La massimizzazione del profitto è implementata attraverso il markup con le operazioni massimamente redditizie, non è vero?)
Per semplicità, tutte le operazioni danno lo stesso profitto o la stessa perdita (1 o -1).
1) i costi commerciali non sono presi in considerazione attraverso la classificazione, il marchio di classe può mostrare che è necessario prolungare, ma può essere così che è economicamente più vantaggioso continuare a comprare,
la massimizzazione del profitto ne tiene conto.
2) lo stesso vale per la volatilità
3) non è chiaro come realizzare i tre stati comprare, vendere, non fare nulla, non nel contesto delle tre classi, ma specificamente sul trading
4) non è chiaro come gestire gli stop/teak tramite il MO attraverso la classificazione
.....
..
..
Si tratta comunque di valori diversi. Assumiamo per semplicità che sempre take profit = stop loss = 1 e spread = 0. In ogni operazione entriamo o non entriamo - per semplicità, il sistema è solo per gli acquisti (per le vendite lasciamo un modello diverso). In ogni operazione si entra o non si entra - per semplicità, il sistema è solo per gli acquisti (per le vendite si usa un modello diverso).
Accuratezza = (Veri positivi + Veri negativi)/ (Veri positivi + Veri negativi + Falsi positivi + Falsi negativi)
Profitto_totale = Veri positivi - Falsi positivi
L'accuratezza sembra soddisfare i requisiti per il metodo di divisione nell'albero, ma il profitto sembra non esserlo.
Per semplicità, tutte le operazioni danno lo stesso profitto o perdita (1 o -1).
Avete provato questo approccio ? (cercate la sezione "Interpretazione del modello" a metà pagina).
L'ordine di tale markup è approssimativamente il seguente: si prendono trade redditizi con un passo minimo, in diverse direzioni, a seconda delle fluttuazioni. Li si esamina, combinando quelli unidirezionali in uno solo e contando il numero di pip tenendo conto dei costi. Se sono più di due, li si combina in uno solo, altrimenti si lasciano quelli corti.
1) Anche se funziona, si scopre che per ogni operazione è necessario inventare qualche algoritmo di stampella per implementarla come obiettivo pronto per l'uso?
Non è più semplice scrivere un FF e dire semplicemente che AMO è buono/cattivo, e sarà buono per ogni compito, soluzione universale...?
2) buon target != AMO ben addestrato per questo target.
Il target può essere buono, ma l'algoritmo non può essere addestrato per esso, quindi non è il target che deve essere valutato, ma l'AMO addestrato.
Te ne sei accorto quando ho parlato di FF, ma vedo che l'hai già dimenticato.
1) Anche se funziona, si scopre che per ogni compito è necessario inventare qualche algoritmo di stampella per implementarlo come un obiettivo pronto?
Non sarebbe più semplice scrivere un FF e dire semplicemente AMO - buono/cattivo, e sarà buono per ogni compito, soluzione universale...?
2) buon target != AMO ben addestrato per questo target.
Il target può essere buono, ma l'algoritmo non può essere addestrato per esso, quindi non è il target che deve essere valutato, ma l'AMO addestrato.
L'hai capito quando ho parlato di FF, ma vedo che l'hai dimenticato.
Capisco, non ti rendi conto che il FF viene inserito nel dataset. Stai confondendo caldo e morbido, stai facendo del lavoro in più.
Se tutto fosse come dici tu, non ci sarebbe RL....
E in generale, è un bene che ognuno faccia a modo suo, più opinioni - spazio di ricerca più ricco....
Non lo faccio più molto, ho superato quella fase...
Se fosse come dici tu, non esisterebbe la RL.