L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3285
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
Continuate a quantificare 😵💫
Finalmente un consiglio valido!
Ecco il risultato - le ultime due colonne
In effetti, i risultati sono migliorati. Possiamo ipotizzare che più grande è il campione, migliore sarà il risultato della formazione.
È necessario provare ad allenarsi su 1 e 2 parti del campione di allenamento - e se i risultati non sono molto peggiori rispetto a 2 e 3 parti, allora il fattore della freschezza del campione può essere considerato meno significativo del volume.
Bene - l'addestramento è terminato, i risultati sono riportati nella tabella - le ultime due colonne.
Possiamo concludere provvisoriamente che il successo dell'addestramento dipende dalla dimensione del campione. Tuttavia, noto che i risultati del campione "-1p1-2" sono paragonabili, e persino migliori secondo alcuni criteri, con il campione "-1p2-3", mentre per il campione "0p1-2" i risultati sono due volte peggiori in termini di numero di modelli che soddisfano il criterio dato.
Ora ho eseguito un campione con cronologia invertita, in cui il campione train consiste nel campione iniziale exam+test+train_p3, mentre il campione test è train_p2 e l'exam è train_p1. L'obiettivo è vedere se è possibile costruire un modello di successo su dati più recenti che avrebbe funzionato 10 anni fa.
Quale pensate che sarà il risultato?
Bene - la formazione è terminata, i risultati sono riportati nella tabella - ultime due colonne.
Possiamo concludere provvisoriamente che il successo dell'addestramento dipende dalla dimensione del campione. Tuttavia, noto che i risultati del campione "-1p1-2" sono paragonabili, e persino migliori secondo alcuni criteri, con il campione "-1p2-3", mentre per il campione "0p1-2" i risultati sono due volte peggiori in termini di numero di modelli che soddisfano il criterio dato.
Ora ho eseguito un campione con cronologia invertita, in cui il campione train consiste nel campione iniziale exam+test+train_p3, mentre il campione test è train_p2 e l'exam è train_p1. L'obiettivo è vedere se è possibile costruire un modello di successo su dati più recenti che avrebbe funzionato 10 anni fa.
Quale pensate che sarà il risultato?
Ancora un po' e si otterrà il risultato più banale... o forse non si otterrà, ma si farà una scoperta che metterà sottosopra il mondo della ME!
Avanti così!
Ho scritto molte volte sul "potere predittivo dei predittori", che viene calcolato come la distanza tra due vettori.
Mi sono imbattuto in un elenco di strumenti per il calcolo della distanza:
Oltre a quello standard, che ha un proprio insieme di distanze, c'è un elenco di strumenti per il calcolo della distanza.
Ecco un compito senza input: ...
Max, non capisco perché mi prendi in giro.
Se non ci sono ipotesi - non dire nulla, se ci sono - dillo, tipo "il risultato farà schifo".
...
Quale pensa che sarà il risultato?
Non lo so, ma sono curioso di saperlo.
Ancora un po' e si otterrà un risultato banale... o forse no, ma poi una scoperta che stravolgerà il mondo di ME!
Avanti così!
Quindi pensi che il numero di modelli sarà paragonabile nelle prime due colonne? Anche se sono due volte diverse. Siate più precisi sulla banalità, per favore.
Max, non capisco perché mi prendi in giro.
Se non ci sono ipotesi - non dire nulla, se ci sono - dirlo, come "il risultato farà schifo".
Sopra ho scritto di matstat. Prima ancora ho scritto di kozul. Prima ancora ho scritto degli errori di Oracle (errori di markup), quando i dati sono marcati in modo incomprensibile. Ciò che emerge assolutamente è la consapevolezza che i risultati variano a seconda della quantità e della durata dell'addestramento. Dipende dai dati, che non vengono forniti o descritti.