L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3358

 
Discusso molto tempo fa, è finito con una sovraottimizzazione di f-y :)
 
Andrey Dik #:
Abbiamo discusso di questo argomento ai tempi di Porksaurus, Matemat, Granite e Metadriver, cioè molto tempo fa.
Non ho visto questo argomento da loro, forse mi è sfuggito (leggevo di più Cyberpaw). Si tratta di modelli che producono distribuzioni di probabilità come output, piuttosto che valori numerici specifici. Non voglio dire che si tratti di un approccio completamente nuovo, ma negli ultimi anni c'è stato un notevole aumento dell'interesse per questo argomento.
 
Aleksey Nikolayev #:
Non ho mai visto questo argomento, forse mi è sfuggito (prima leggevo di più Cyberpawk). Si tratta di modelli che producono distribuzioni di probabilità come output piuttosto che valori numerici specifici. Non voglio dire che si tratti di un approccio completamente nuovo, ma negli ultimi anni c'è stata una notevole impennata di interesse per questo argomento.

Ci sono stati molti tentativi, ma non conosco i loro risultati pubblici. La cosa più semplice che è stata fatta è trattare l'uscita di un singolo neurone come la probabilità di una vendita/acquisto nell'intervallo [-1,0;1,0], ma non ne è uscito nulla di buono, l'applicazione di una soglia non aiuta.

Un'altra cosa è che è possibile applicare la distribuzione delle uscite dei neuroni come probabilità, ma non ho visto nessuno farlo. Ad esempio, per gli stessi segnali di vendita/acquisto del neurone di uscita della rete durante l'allenamento, la distribuzione dei valori può essere molto diversa, quindi il comportamento in caso di OOS sarà diverso.

Inoltre, tempo fa ho mostrato grafici di formazione e comportamento su OOS, dove la linea procedeva senza interruzioni, ovviamente senza spread, e l'input era dato da incrementi di mashka semplice da diversi timeframe, elementari. E qui alcuni geni hanno improvvisamente tratto la "brillante" conclusione che lo spread influenza il comportamento su OOS.

 
Andrey Dik #:

Ci sono stati molti tentativi, ma non conosco i loro risultati pubblici. La cosa più semplice che è stata fatta è stata quella di trattare l'uscita di un singolo neurone come una probabilità di vendita/acquisto nell'intervallo [-1.0;1.0], ma non ne è uscito nulla di buono, l'applicazione di una soglia non aiuta.

Un'altra cosa è che si può applicare la distribuzione delle uscite dei neuroni come probabilità, ma non ho visto nessuno farlo. Ad esempio, con gli stessi segnali di vendita/acquisto del neurone di uscita della rete durante l'addestramento, la distribuzione dei valori può essere molto diversa, quindi il comportamento su OOS sarà diverso.

Inoltre, tempo fa ho mostrato grafici di formazione e comportamento su OOS, in cui la linea procedeva senza interruzioni, ovviamente senza spread, e l'input era dato da incrementi di mashka semplice da diversi timeframe, elementari. E qui alcuni geni hanno improvvisamente tratto la "brillante" conclusione che lo spread influenza il comportamento su OOS.

Tuttavia, la classificazione è un caso speciale relativamente semplice, in cui la distribuzione dell'output è discreta e quindi tutto è relativamente facile da ridurre al solito problema del MO numerico "a punti".

È interessante un approccio più ampio, con modelli per i quali l'output non è un numero, ma una distribuzione qualsiasi (ovviamente entro limiti ragionevoli). Un esempio è il MO utilizzato nella teoria dell'affidabilità (dove si studia la distribuzione della durata di vita) o nelle previsioni meteorologiche probabilistiche (dove si costruisce una distribuzione di probabilità per la possibile quantità di precipitazioni, ad esempio).

 
Aleksey Nikolayev #:

...

È interessante un approccio più ampio, con modelli per i quali l'output non è un numero, ma una qualsiasi distribuzione (entro limiti ragionevoli, ovviamente). Un esempio potrebbe essere il modus operandi utilizzato nella teoria dell'affidabilità (dove si studia la distribuzione della durata di vita) o nelle previsioni meteorologiche probabilistiche (dove si costruisce una distribuzione di probabilità per la possibile quantità di precipitazioni, ad esempio).


È quello che stavo dicendo: cercare di usare la distribuzione, e non i valori di uscita in sé, come classificatore.
 
Le probabilità derivano da un modello già addestrato. Altrimenti, perché insegnargli le probabilità? Se le probabilità sono note, perché addestrarlo?

Momenti delle distribuzioni nei modelli di regressione per la stima degli intervalli? No, non ne avete mai sentito parlare? Avete fatto molte previsioni con loro?

Cos'è, 20 anni fa sapevate tutto ma vi vergognavate troppo a dirlo? È un periodo lungo per evitare l'eccessiva ottimizzazione delle fasi.

È triste, 20 anni...
 

La formazione di una distribuzione di probabilità avviene durante l'allenamento, non dopo.

E dopo l'addestramento, che senso ha fare qualcosa? Un'ipotetica macchina stupida non acquisirà nuove conoscenze se, dopo l'addestramento, viene manipolata con un cacciavite.

 
Maxim Dmitrievsky #:

Ho già descritto l'esempio precedente. C'è un classificatore che supera l'OOS, ma i rendimenti sono distribuiti 60/40. Non piace, si alza la soglia di decisione, ma la situazione non cambia e a volte peggiora. Non vi piace, alzate la soglia di decisione, ma la situazione non cambia, anzi a volte peggiora. Ci si gratta la testa per capire il perché di questa situazione.

La spiegazione è data: perché nel caso di una vera stima delle probabilità la situazione dovrebbe cambiare.

Viene fornita una soluzione.


Come si fa a trovare idioti come questo Karpov?

La testa di quest'uomo è un casino. È incapace di pensare in modo coerente. È semplicemente inquietante!

Fin dai primi minuti afferma semplicemente che il classificatore non dà probabilità. E dove si può ottenere la probabilità senza usare ciò che dà il classificatore?

 
СанСаныч Фоменко #:

Come si fa a trovare idioti come questo Karpov?

La testa di quest'uomo è un casino. È incapace di pensare in modo coerente. È semplicemente inquietante!

Anche tu sei stato invitato a lavorare in Inghilterra con la tua poltiglia? )

l'uomo non si preoccupa affatto, se la cava bene.

Non capire il punto = sbagliare. Si tratta di persone di formazione leggermente diversa, probabilmente è questo il problema.

È evidente da tempo che il topic ha bisogno di nuova linfa. Anch'io sono già un oldfag. I nuovi arriveranno e si faranno vedere, se il forum non si ammuffisce alla fine, ovviamente.

La cosa peggiore è che capisco quali cambiamenti avvengono nel cervello con l'età, e perché le persone ragionano in questo modo e non in quell'altro. Questa ovvietà è a volte esilarante, ma non c'è modo di evitarla.

 
Maxim Dmitrievsky #:

Sei stata invitata a lavorare anche in Inghilterra con il tuo porridge? )

L'uomo non si preoccupa affatto, sta bene.

Non capire l'idea = non metterla a posto. Si tratta di persone di formazione leggermente diversa, probabilmente è questo il problema.

È evidente da tempo che il topic ha bisogno di nuova linfa. Anch'io sono già un oldfag. I nuovi arriveranno e si faranno vedere, se il forum non si ammuffisce alla fine, ovviamente.

La cosa peggiore è che capisco quali cambiamenti avvengono nel cervello con l'età, e perché le persone ragionano in questo modo e non in quell'altro. Questa ovvietà è a volte esilarante, ma non c'è modo di evitarla.

Cosa c'entra questo con l'Inghilterra?

Lei sembra essere una persona qualificata, ma viene costantemente trascinato nella spazzatura.

Molto raramente discuti sui meriti....

Motivazione: