L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1281
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
Prova la regressione
commercia solo quando la previsione ha un'alta correlazione con il prezzo su N barre.
È una specie di tendenza? Quando capisci che si tratta di una tendenza sta già arrivando alla fine ed è il momento di uscire piuttosto che entrare.
La regressione (come eseguita dalla foresta) sarà testata, ma più tardi.
È una specie di tendenza? Quando ti rendi conto che è una tendenza, sta per finire ed è il momento di uscire, non di entrare.
Beh, l'hanno scritto così, non so... metaforicamente in realtà, pensavano che fosse così difficile da capire
Resto della mia opinione: ci sono due parenti indiscutibili del venerabile KsanKsanych (Fa). 1) Alyoshenka il figlio, che è stato raggiunto da investitori arrabbiati, e 2) il nipote Kesha, che promette miliardi a chiunque legga le creazioni del nonno.
Per favore, non confondete le due cose!
Per favore non paragonate SanSanych con Alyosha, Wizard, ecc. SanSanych è un professionista, mentre Alyosha e Wizard sono demotivatori del Forex che hanno perso un paio di centinaia di dollari e si sono offesi con il mondo intero. Non sono nipote di SanSanych, solo lo rispetto e trovo il suo articolo molto utile, ciò che non si può dire degli articoli e degli insegnamenti di Konyukh lo Stud, che raccoglie riferimenti e termini per sembrare scientifico ma in realtà è zero senza bastone.
Per quanto riguarda l'addestramento, gli alberi sono poco addestrati. Negli alberi sovrallenati avrebbe dovuto essere sull'albero di prova, poiché l'albero avrebbe ricordato anche il rumore.
Con gli alberi non addestrati non ha importanza.
Ma le dimensioni del campione contano. Più è grande, più è rappresentativo. E la mia trama di allenamento è 3 volte più grande.
---------
Secondo il tutorial di https://www.mql5.com/ru/blogs/post/723619, un grande campione rappresentativo rende inutile il bilanciamento tra le classi, riducendo la casualità temporale. Trasferito questo agli alberi non addestrati.
Ma forse mi sbaglio e devo testare la significatività dei predittori su un test plot.
Come si fa a determinare se un albero (foresta di alberi) è pre-addestrato o no?
Penso che in ogni caso la metodologia dovrebbe consistere nel controllare la stabilità dell'albero su diversi campioni (come questa stabilità cambia su diverse parti del campione/i), nell'addestramento e nel test. Altrimenti si misura qualsiasi rumore, solo sdraiato bene sulla storia, cioè non si trovano regolarità con l'aiuto di un albero, si descrive solo la storia del movimento dei prezzi e qualsiasi predittore andrà bene - la cosa principale è che devono essere stabili e frequenti.
Sto cercando i modelli (foglie o mini modelli di catbust), che sono redditizi, preferibilmente ogni anno (2014-2018) e soddisfano alcuni criteri aggiuntivi.
Kesha nipote, fammi dare un'altra occhiata alle "tendenze", tutti i burloni sono stati banditi, solo tu sei rimasto
come fanno le vostre foreste a prevedere le tendenze? ditemiCome si fa a determinare se un albero (foresta di alberi) è pre-addestrato o no?
Penso che in ogni caso la metodologia dovrebbe consistere nel controllare la stabilità dell'albero su diversi campioni (come questa stabilità cambia su diverse parti del campione/i), nell'addestramento e nel test. Altrimenti si misura qualsiasi rumore, solo sdraiato bene sulla storia, cioè non si trovano regolarità con l' aiuto di un albero, si descrive solo la storia del movimento dei prezzi e qualsiasi predittore andrà bene - la cosa principale è che devono essere stabili e frequenti.
Sto cercando tali regolarità (foglie o mini modelli di catbust), che preferibilmente portano profitto ogni anno (2014-2018) e soddisfano alcuni criteri aggiuntivi.
I predittori stabili e frequenti associati agli obiettivi sono dei modelli.
I termini scientifici stabili e che si incontrano frequentemente in post non collegati ai risultati sono molto probabilmente in sovrapprendimento:)
I predittori stabili e frequenti associati agli obiettivi sono modelli.
Immaginate che il predittore sia giorno/notte e che avrete più di 1 nei vostri obiettivi durante il giorno per esempio, è un buon predittore? Oppure non si tratta del giorno, ma del fatto che le notizie importanti (che influenzano il mercato) vengono rilasciate più spesso durante il giorno che di notte.
E i termini fantascientifici costanti e frequenti in post non collegati ai risultati sono più probabili per l'apprendimento eccessivo:)
Non credo sia appropriato giudicare un uomo che fa molto per promuovere MO qui...
Kesha nipote, fammi dare un'altra occhiata alle "tendenze", altrimenti tutti i buffoni sono stati banditi, tu sei l'unico rimasto
come fanno le vostre foreste a prevedere le tendenze?Sono a posto, tasso di errore stabile del 10-15%, sui test. Nel trading reale è tutto confuso e indefinito, ma io sono un amante del rischio a differenza di te e di altri stallieri simili che siedono sulle spalle dei genitori anziani.
Come si determina se l'albero è pre-addestrato o no (una foresta di alberi)?
Limito l'albero a 1 linea:
samples++; if(samples < 20){ allora non dividere più il nodo, ma lasciare la foglia}
cioè ci saranno almeno 20 campioni rimasti nella foglia, per la rappresentatività.
Questa è la versione completa che hai chiesto)))
Il grado di understudy, cioè il numero di esempi nel foglio può essere qualsiasi 10, 100, 1000 o ottimizzato. In xgboost si chiama min_child_weight