기고글 토론 "패턴 검색에서 무자비 대입 방식(6부): 주기적 최적화" - 페이지 3

 
fxsaber #:

그러나 이 기사에서 샤프, R^2 또는 기준으로 아름다움을 구체적으로 찾는 것은 의심스러워 보입니다. 제가 틀렸을 수도 있습니다.

매우 맞습니다.
 
mytarmailS #:
매우 옳다

뭔가 의심스러워 보이는 것이 매우 옳습니다 )))) 그럼에도 불구하고이 모든 것은 딸랑이이지만 누군가가 매우 옳고 그름 나는 이미 모든 것을 제품으로 바꿨습니다. 용어가 뭐야, 아주 틀렸어..... 이 곡선은 표준 편차를 수학적 기대치에 더 가깝게 만드는 방법 일뿐입니다..... 제한된 샘플로 작업할 때는 샘플에 대한 신뢰도를 높일 수 있는 유일한 방법이기 때문에 이렇게 할 수밖에 없습니다.

 
Evgeniy Ilin #:

무언가가 모호한 것으로 간주되는 것은 매우 옳습니다 ))) 그럼에도 불구하고 그것은 모두 대구이지만 누군가가 매우 옳거나 그른 동안 나는 이미 모든 것을 제품으로 바꿨습니다.

무언가를 제품으로 만들었다는 사실이 그것이 유용한 일을한다는 것을 의미하지는 않습니다.

나머지는 나중에 답변하겠습니다.

 
mytarmailS #:

나머지는 나중에 답변해드리겠습니다.

수익 곡선을 멋지게 맞추기 위해 TC를 땜질하는 것은 OOS가 있더라도 과잉 훈련입니다.

다중 테스트 오류에 대해 잘 알고 계신가요?


다음 자료를 숙지하세요.


모의 해킹과 백테스트 재훈련"수학 투자자 (mathinvestor.org)

금융에서 역사에 대한 과잉 훈련이 잘못된 발견으로 이어지는 방법 " 수학 투자자 (mathinvestor.org)

백테스트 히스토리 오버트레이닝과 사후 확률 오류 " 수학 투자자(mathinvestor.org)

백테스트-프로브.pdf (davidhbailey.com)

금융에서의 AI: 마침내 백테스트를 믿기 시작하는 방법 [3/3] | Alex Honchar 작성자 | 데이터 과학을 향하여

백테스트 과적합 확률 이해하기: Python 코드와 시각적 보조 자료가 포함된 단계별 가이드 | 작성자: Francesco Landolfi | 일반 영어로 된 Python


그러면 어떤 기준을 사용하든 과대 훈련하고 있다는 것을 깨닫게 될 것입니다:

표준 편차를 수학적 기대치 또는 회귀 선의 기울기 또는 이익 극대화 또는 샤프 또는.....에더 가깝게 만드는 방법


해야 할 일

이제 많은 반복을 통해 멋진 곡선을 맞추고 있으며, 여러 테스트의 오류는 무작위로도 테스트와 훈련 모두에서 멋진 곡선을 표시하는 TS를 만들 수 있음을 보여줍니다.


그리고 다음을 수행해야 합니다.

1) 시뮬레이션 시스템, 신뢰구간을 개발하여 현재와 같이 거래 TS를 한 번만 계산하는 것이 아니라 서로 다른 환경에서 50회 시뮬레이션한 결과, 이 50회 시뮬레이션의 평균을 최대화/최소화해야 하는 적합도 함수의 결과로 곡선을 취합니다.


2) 최적화 알고리즘에 의해 최적의 곡선 (지점 1에서 )을 찾는 동안 각 반복은 다중 테스트에 대해 상관 관계가 있어야 합니다.

실제 다중 테스트의 문제 / Habr (habr.com)


이런 식으로...

 
mytarmailS #:

좋은 수익 곡선에 맞추기 위해 TC를 조정하는 것은 OOS가 있더라도 과잉 훈련입니다.

다중 테스트 오류에 대해 잘 알고 계십니까?


다음 자료를 읽어보세요.


P-해킹 및 재교육 백테스트 " Mathinvestor (mathinvestor.org)

금융에서 역사에 대한 과도한 훈련이 잘못된 발견으로 이어지는 방법 " 수학 투자자(mathinvestor.org)

역사 테스트 과잉 훈련과 사후 확률 오류 " 수학 투자자 (mathinvestor.org)

백테스트-프로브.pdf (davidhbailey.com)

금융에서의 AI: 마침내 백테스트를 믿기 시작하는 방법 [3/3] | 작성자 Alex Honchar | 데이터 과학을 향하여

백테스트 과적합 확률 이해하기: Python 코드와 시각적 보조 자료가 포함된 단계별 가이드 | 작성자: Francesco Landolfi | 일반 영어로 된 Python


그러면 어떤 기준을 사용하든 과대 훈련하고 있다는 것을 깨닫게 될 것입니다:

표준 편차를 수학적 기대치나 회귀선의 기울기, 수익 극대화 또는 샤프 또는....


어떻게 해야 할까요?

이제 많은 반복을 통해 멋진 곡선을 맞추고 있으며, 여러 테스트의 오류는 무작위로도 테스트와 훈련 모두에서 멋진 곡선을 보여주는 TS를 구축 할 수 있음을 보여줍니다.


그리고 필요합니다

1) 시뮬레이션 시스템, 신뢰 구간을 개발하고 현재와 같이 거래 TS를 한 번만 계산하는 것이 아니라 서로 다른 환경에서 TS를 50회 시뮬레이션한 결과 곡률을 취하고, 이 50회 시뮬레이션의 평균을 최대화/최소화해야 하는 적합도 함수의 결과로 취해야 하는 곡률을 취합니다.


2) 최적화 알고리즘에 의해 최적의 곡선 (지점 1에서 )을 찾는 동안 각 반복은 여러 테스트를 위해 상호 연관되어야 합니다.

실무에서의 다중 테스트 문제 / Habr(habr.com)


이런 식으로...

전에도 들어본 말입니다. 아름다운 것은 재교육이라고요 네, 물론 피트니스 기능인데 엉뚱한 걸 찾고 있죠. 전 신경망 같은 건 없어요 문제는 이해할 수 있습니다. 제한된 샘플링의 문제일 뿐입니다. 간단히 말해서 제 말에 주의를 기울이지 않는 것뿐입니다. 당신은 마치 우리가 당신에게 무언가를 증명하기 위해 앉아서 읽을 시간이 있다는 듯이 저에게 백오백 개의 기사를 던졌습니다. 당신이 제공하는 것은 이해할 수 있지만,이 모든 것을 제품에 모아 사람들에게 제공하는 것은 당신이 탐내는 성배를 얻을 것이라는 사실이 아니라 은퇴 할 때까지 모든 것을 계산할 것입니다.... 자원은 제한되어 있고 시간은 제한되어 있습니다. 개인적으로 더 많은 시간이 있다면 더 깊이 들어가십시오. 나는 많은 것을 들었고 기사를 읽지 않았지만 이러한 문제는 생각하는 사람에게는 분명하고 기사가 없습니다.

 
Evgeniy Ilin #:

전에도 그런 말 들어봤어요. 아름다운 것은 재교육입니다. 네, 물론 피트니스 기능이고 우리는 잘못된 것을 찾고 있습니다. 검색 기준이 잘못되었습니다. 피트니스 기능... 저는 신경망 같은 건 없어요. 문제는 이해할 수 있습니다. 제한된 샘플링의 문제일 뿐입니다. 간단히 말씀드리면 제 말에 주의를 기울이지 않으시는 겁니다. 당신은 마치 우리가 당신에게 무언가를 증명하기 위해 앉아서 읽을 시간이 있다는 듯이 저에게 백오백 개의 기사를 던졌습니다. 당신이 제공하는 것은 이해할 수 있지만,이 모든 것을 제품에 모아 사람들에게 제공하는 것은 당신이 탐내는 성배를 얻을 것이라는 사실이 아니라 은퇴 할 때까지 모든 것을 계산할 것입니다..... 자원은 제한되어 있고 시간은 제한되어 있습니다. 개인적으로 더 많은 시간이 있다면 더 깊이 들어가십시오. 나는 많은 것을 들었고 기사를 읽지 않았지만 이러한 문제는 생각하는 사람에게는 분명하고 기사가 없습니다.

당신의 대답으로 판단하면 당신은 망할 것을 이해하지 못합니다 ...
내 시간을 낭비했습니다. 다시는 그러지 않겠습니다.
 
mytarmailS #:
당신의 대답을 보면 당신은 아무것도 이해하지 못하네요....
시간 낭비였어요. 다시는 그러지 않겠습니다.

글쎄요, 당신이 아무것도 이해하지 못한다는 것을 알 수 있는데 누가 맞나요? 당신의 판단은 그저 당신의 판단일 뿐입니다. 예를 들어, 나는 당신이 영리한 기사를 읽고 여기에 메가 트레이더 인 척하는 링크를 쏟아 붓고 있지만 실제로는 아무도 그것을 읽지 않을 것입니다. 나는 당신과 같은 사람들을 보았고, 당신은 많은 똑똑한 단어를 알고 있지만 소용이 없습니다. 공식을 이해하고 도출하고, 연구하고, 자신의 경험과 자신의 입장을 가져야합니다. 나는 암호 화폐와 스포츠 베팅에 관여 해 왔고 모든 것을 알고 있으며 귀하의 기사를 읽을 필요가 없습니다. 필요한 모든 것은 스스로 추론하고 공책을 가지고 공식을 작성합니다.

 
mytarmailS #:

다음을 수행해야 합니다.

1) 시뮬레이션 시스템, 신뢰 구간을 개발하여 현재와 같이 거래 TS를 한 번만 계산하는 것이 아니라, 예를 들어 서로 다른 환경에서 TS를 50회 시뮬레이션한 결과, 이 50회 시뮬레이션의 평균을 적합도 함수의 결과로 취하는 곡선을 최대화/최소화해야 합니다.


2) 최적화 알고리즘에 의해 최적의 곡선 (지점 1에서 )을 찾는 동안 각 반복은 여러 테스트를 위해 상호 연관되어야 합니다.

이 접근 방식을 사용하여 실제 결과를 얻은 사례가 있나요? 조롱하지 않고 정말 흥미로운 질문입니다.

 
Kristian Kafarov #:

이 접근법을 사용하여 실질적인 결과를 가져온 사례가 있나요? 이 질문은 조롱이 아니라 정말 흥미로운 질문입니다.

저도 그랬고 지금도 그렇습니다.
그리고 저뿐만 아니라 이러한 모든 접근 방식은 과학, 의학 등에서 널리 알려져 있고 사용되고 있습니다 (일반적인 세계 관행입니다).

시장에 관한 수치를 원한다면 기사 작성자가 제안한 것이 새로운 데이터에서 거의 작동하지 않는 역사에 대한 일반적인 원시적 적합성 (재교육)이라고 가정 해 봅시다 ...
일반 언어에서는 모두 15 줄의 코드로 작성되었지만 저자는 "시간이 소중하다"고 말하면서이 쓸모없는 말도 안되는 소리를 자랑스럽게 "제품"이라고 부르기 때문에 몇 달을 보냅니다.

그리고 제가 다루려고 한 것은 원시 피팅보다 적어도 10 배 더 잘 작동합니다.
 
mytarmailS #:
이미 적용하고 있고 적용 중입니다.

구체적인 사례를 보면 흥미로울 것 같습니다. 많은 사람들이 (성공적이긴 하지만) 그냥 신청만 하고 침묵을 지키는 것은 분명합니다. 하지만 누군가는 자신이 무엇을 했는지, 무엇을 얻었는지, 어떻게 더 거래했는지에 대한 자세한 설명이 있어야 합니다.