L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3141
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
Credo che la coscienza umana sia un enorme errore evolutivo.
Siamo creature che per le leggi della natura non dovrebbero esistere.
quanto tempo le rimane? )
È possibile prendere qualsiasi attributo in quantità sufficiente relativo alla serie temporale e qualsiasi etichetta che mostri i profitti nel tester e ricavarne un modello robusto?Il compito è difficile in altre aree, dove non è chiaro da dove provenga questa funzione e perché sia necessaria. Ci sono tonnellate di spazzatura di questo tipo nei big data, che è molto difficile da filtrare. E di conseguenza tonnellate di false correlazioni.
Il nostro compito sembra addirittura primitivo se prendiamo BP e i suoi derivati. Perché tutti i segni sono collegati ad esso.
Ma dobbiamo ancora manipolare l'algoritmo e la logica per abbinare le etichette alle caratteristiche. Ci possono essere molte logiche. Quindi voi fate la vostra e noi faremo la nostra.
Ho già scritto perché mi piace Kozul, perché ci sono arrivato da solo pensando. E lui si è inserito organicamente nella mia idea.
Non mi interessa l'"atteggiamento".
Mi interessa la capacità del predittore di prevedere le classi. Per esempio, mashka ha certamente una "relazione" con la citazione, lo si vede a occhio nudo. Ma la capacità di Mashka (così come di qualsiasi altro algoritmo di smoothing) di prevedere le classi è quasi nulla.
In inverno ho scoperto che le coppie di "insegnanti-predittori" che ho, che hanno un errore di classificazione dal 10% al 20%, nell'EA questi errori di classificazione hanno valori molto grandi, che mangiano tutto il profitto della classificazione senza errori.
Così qualche mese fa ho cambiato l'insegnante e ora sto cercando di reclutare predittori che siano in grado di prevedere le classi, e questa capacità non dovrebbe cambiare nel tempo.
Non mi interessa l'"atteggiamento".
Mi interessa la capacità del predittore di prevedere le classi. Ad esempio, Mashka ha certamente una "relazione" con la citazione, lo si può vedere a occhio nudo. Ma la capacità di Mashka (così come di qualsiasi altro algoritmo di smoothing) di prevedere le classi è praticamente nulla.
In inverno, ho scoperto che le coppie di "insegnanti-predittori" di cui dispongo, che hanno un errore di classificazione compreso tra il 10% e il 20%, hanno errori di classificazione molto grandi nell'Expert Advisor, che si mangiano tutto il profitto della classificazione senza errori.
Perciò qualche mese fa ho cambiato l'insegnante e ora sto cercando di reclutare predittori che siano in grado di prevedere le classi, e questa capacità non dovrebbe cambiare nel tempo.
Mettiamo le dita in modo che tutti capiscano.
Tutti sono interessati alla capacità dei predittori di prevedere le classi.
Vediamo ora cosa si fa: si prendono due serie casuali (tratto e target) e si controlla la capacità predittiva (che sia scorrevole o meno non è importante ora).
Quindi si fa la solita ricerca avida di tutto e di niente. Probabilmente esiste un modo per calcolare tutte le combinazioni possibili, e non ci vorranno 10 anni, ma + infinito.
Ma potreste essere fortunati ed essere soddisfatti del risultato intermedio.
Ci sono altri grandi misteri non svelati di questo approccio? Perché è così pubblicizzato.
Mettiamola in termini comprensibili a tutti.
Tutti sono interessati alla capacità dei proiettori di prevedere le classi.
Vediamo ora cosa si fa: si prendono 2 serie casuali (tratto e target) e si verifica la capacità predittiva (che sia scorrevole o meno non è importante ora).
Quindi si fa la solita ricerca avida di tutto e di niente. Probabilmente c'è un modo per calcolare tutte le combinazioni possibili, e non ci vorranno 10 anni, ma + infinito.
Ma si potrebbe essere fortunati ed essere soddisfatti del risultato intermedio.
Ci sono altri grandi misteri non svelati di questo approccio? Perché è così pubblicizzato.
Non c'è overshoot.
Le tre righe di codice in R che calcolano la capacità del predittore di prevedere una particolare classe di insegnanti hanno un certo valore. Varia da predittore a predittore, ma secondo i miei algoritmi (ne ho diversi, per 100 predittori eseguiti in meno di un secondo), più grande è, meglio è. Inoltre, per diversi predittori, il valore della capacità di prevedere una singola classe non cambia molto quando la finestra si sposta - entro il 10% sd, e per alcuni predittori è superiore al 100% sd. Seleziono 5-8 predittori, che inserisco nel modello.
Non c'è nessun eccesso.
Le tre righe di codice R che calcolano la capacità del predittore di prevedere una particolare classe di insegnanti sono un valore. È diverso per i vari predittori, ma secondo i miei algoritmi (ne ho diversi, per 100 predittori funzionano in meno di un secondo) più è grande più è buono. Inoltre, per diversi predittori, il valore della capacità di prevedere una singola classe non cambia molto quando la finestra si sposta - entro il 10% di sd, e per alcuni predittori è superiore al 100% di sd. Seleziono 5-8 predittori, che inserisco nel modello.
Inoltre, l'entità della capacità di prevedere una singola classe non cambia molto per i diversi predittori man mano che la finestra si sposta, entro il 10% sd
Nominatene almeno uno :) Per chiarire dove cercare tali predittori.
La finestra è l 'intervallo di tempo della cronologia delle quotazioni ?
La finestra è il numero di valori predittivi che vengono inseriti nell'input del modello. Per me è di 1500 barre su H1.
Dimmi uno :) Per chiarire dove cercare tali predittori.
Volete troppo.
Ho cambiato insegnante qualche mese fa e ora sto cercando di reclutare dei predittori che siano in grado di prevedere le classi, e questa capacità non dovrebbe cambiare nel tempo.
Una ricerca un po' lunga, soprattutto se la ricerca dura pochi secondi.
Non c'è nessun eccesso.
Le tre righe di codice R che calcolano la capacità del predittore di prevedere una particolare classe di insegnanti sono un valore. È diverso per i vari predittori, ma secondo i miei algoritmi (ne ho diversi, per 100 predittori funzionano in meno di un secondo) più è grande più è buono. Inoltre, per diversi predittori, il valore della capacità di prevedere una singola classe non cambia molto quando la finestra si sposta - entro il 10% di sd, e per alcuni predittori è superiore al 100% di sd. Seleziono 5-8 predittori, che inserisco nel modello.
Posso vedere un paio di grafici con OOS?