L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3174
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
È collegato, perché i parametri sono stati stabiliti in precedenza, in base alle proprie conoscenze o preferenze. Inizialmente sapete come ottenere una curva migliore, attraverso quali parametri. Inoltre, potreste aver fatto trading in precedenza su una storia precedente e, sulla base di questa esperienza, costruire un ts su una nuova storia. La profondità di questa terapia gestaltica può essere enorme :)
Conosco bene questo effetto di riqualificazione del cervello. In questo caso, il TS è stato scritto cronologicamente prima di questo.
Forum sul trading, sui sistemi di trading automatizzati e sulla verifica delle strategie di trading
Apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading
fxsaber, 2023.08.17 07:38
Il grafico mostra tre anni di trading giornaliero.
Comunque, grazie per le riflessioni.
Non capisco la necessità di dividere in treno/test/esame.
Per favore, chiarite qual è il senso di questi intervalli?
Al momento sto immaginando uno schema di questo tipo.
Il primo punto sembra strano. Un po' come il "test di avanzamento" nel tester. È meglio dell'ottimizzazione senza filtro, ma su un intervallo combinato: treno+prova?
Non pratico questo tipo di autoinganno. È l'unico modo in cui lo faccio.
Stai facendo la stessa cosa che ho descritto io, rileggi con più attenzione.
Forum sul trading, sui sistemi di trading automatizzati e sulla verifica delle strategie di trading
Machine learning nel trading: teoria, modelli, pratica e algo-trading
mytarmailS, 2023.08.16 13:23
Immaginate di avere solo 1000 varianti di TS, in generale.
i vostri passi 1 e 2
1) Iniziate a ottimizzare/ricercare un buon TS, questo è il traine data (fitting/ricerca/ottimizzazione).
Supponiamo che abbiate trovato 300 varianti in cui il TC rende...
2) Ora state cercando un TC tra queste 300 varianti che passi OOS è un dato di test. Avete trovato diciamo 10 TC che guadagnano sia sulla traccia che sul test ( OOS ).
Non faccio il secondo passo.
Non faccio il secondo passo.
Il tuo secondo passo che tu "non fai" ))
Qual è la differenza?
1. Non ho capito bene la domanda. L'OOS di sinistra è un anno. Deve essere ingrandito nel passato?
2. Presumo che un'indicazione dell'assenza di errori nel codice sia il fatto che il codice faccia esattamente ciò che era previsto prima della programmazione. In questo senso, tutto va bene.
E nel caso generale, una CT con errori nel codice è ancora una CT. Solo che non è esattamente quello che l'autore intendeva originariamente.
1. Si.
2. Si.
Se la prugna secca si presenta sempre subito dopo l'allenamento, allora si fa trading al contrario e basta (ma questo è uno scenario molto strano ed è difficile spiegarne le ragioni). Ma, naturalmente, è probabile che la prugna subito dopo l'allenamento non si verifichi sempre (per caso), allora questo indica una debole capacità predittiva del modello.
Affermazioni altamente categoriche senza un minimo di dubbio. Ho fatto un post sul tema dell'ubicazione dell'OOC.
Non è la prima volta che incontro l'antipatia per il tester. Non so cosa ci sia di sbagliato nello schiacciatore di numeri.
Non capisco come si possa guardare avanti quando si ottimizza.
Sulla metodologia. Non capisco la necessità di dividere in allenamento/test/esame. Affermare, anche con lo studio statistico più favorevole, che il TC NON è sovrallenato mi sembra troppo autocelebrativo.
Il massimo che posso ottenere in una conclusione è "è probabile che il CT abbia trovato qualche schema che era presente qualche tempo prima e dopo l'intervallo di allenamento". Allo stesso tempo, non c'è alcuna garanzia che questo schema non si sia già rotto".
La mia categorizzazione elevata si basa sull'approccio descritto, che è standard nel MO. Non ho ancora menzionato la convalida incrociata. Questo è l'approccio professionale all'analisi dei mercati nell'OI.
Quello che lei descrive è un livello amatoriale, il livello dell'AT, in cui è impossibile giustificare le conclusioni con le statistiche. Per questo motivo la statistica è sostituita dal tester, che alla base NON è legato alla statistica.
Se si comprende questo, si può e si deve usare un tester SOLO dopo calcoli preliminari, le cui conclusioni sono basate sulla statistica.
Ecco perché l'approccio che ho descritto di preparazione dei dati grezzi va oltre il tester ed è DEFINITIVAMENTE una garanzia di sovrallenamento e di sguardo in avanti. Confrontate i test sequenziali e i test su dati confusi.
Il fatto che non si capisca come l'OOS a sinistra possa essere una conseguenza del guardare avanti NON significa che non lo sia. Guardando l'immagine, è molto sospetto. Ad esempio, è molto probabile che l'algoritmo stia cercando nel futuro un segmento OOS che dia la stessa bella immagine dell'OOS. Non appena ci si sposta nel futuro rispetto al segmento di test, il risultato è immediatamente negativo.
Conclusione.
L'immagine in cui la prugna a destra del test è la prova di un sovrallenamento e/o di un guardare avanti.
A proposito del tester.
Il tester ha un grafico di ottimizzazione sotto forma di "superficie bidimensionale".
Può essere utilizzato per monitorare il sovrallenamento.
Se in questa superficie è possibile individuare un pezzo in cui una cella è circondata da altre celle approssimativamente dello stesso colore, allora questa cella centrale darà i parametri del TC NON sovrallenato. Tale posizione corrisponde al fatto che l'optimum trovato rappresenta un plateau.
Se invece la "superficie" assomiglia a una pelle di leopardo, la ST è senza speranza, perché il tester ha trovato un gran numero di massimi, il che indica una probabilità estremamente bassa di centrarli in futuro.
Unriferimento per gli appassionati di modelli di mercato in generale.