Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 82
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Ao treinar o modelo, quanto mais árvores, mais a classe "0" aprende e à medida que a classe "0" aprende cada vez mais, começa a (absorver - espremer) as classes "1" e "-1". É por isso que quanto mais árvores, menos negócios.
Algo está errado, a floresta é quase sempre treinada com 100% de precisão com qualquer skews. Na validação com tais dados pode haver problemas, mas ao prever resultados nos dados de treinamento a floresta sempre será precisa. Eu posso assumir que você não está usando classificação mas sim regressão, e quando você testa o modelo você não recebe classes rígidas -1;0;1, mas números reais no intervalo de -1 a 1. Com esse tipo de regressão distorcida, nada de bom virá disso.
Uma melhor maneira de fazer isso é dizer que você tem uma tabela de dados de treinamento, onde a última coluna é a variável alvo e todas as outras colunas são preditoras:
não realmente...
O que estou a escrever só se aplica à minha abordagem.
Sabes como eu faço o meu alvo, são reversões.
tenho três classes de inversão "para cima", "para baixo" e "sem inversão" ( 1 , -1 , 0)
Você também sabe que o enviesamento das classes é enorme, a classe "0" é dezenas de vezes maior que "-1" e "1".
e isto significa que o modelo é melhor treinado na classe "0" porque tem mais observações e enquanto treina o modelo, quanto mais árvores, mais "0" é treinada e à medida que a classe "0" fica melhor e mais forte começa a (absorver - espremer) as classes "1" , "-1 É por isso que quanto mais árvores, menos negócios.
Para mim você escreve coisas incríveis!
Uma abordagem muito original para classes desequilibradas.
Então meu entendimento é que sua lista de preditores não só não contém ruído, mas também tem um poder de previsão muito alto.
Se sim, como conseguiu isso?
Algo está errado, a floresta é quase sempre treinada com 100% de precisão com qualquer preconceito. Na validação pode haver problemas com tais dados, mas a floresta sempre preverá os resultados nos dados de treinamento com precisão. Eu posso assumir que você não está usando classificação mas sim regressão, e quando você testa o modelo você não recebe classes rígidas -1;0;1, mas números reais na faixa de -1 a 1. Com esse tipo de regressão distorcida, nada de bom virá disso.
Melhor fazer isso, digamos que você tenha uma tabela de dados de treinamento, onde a última coluna é a variável alvo e todas as outras colunas são preditoras:
100% para uma árvore é um perfeito disparate!
Se todos os seus preditores forem ruído, este resultado é muito difícil de alcançar: ainda haverá um erro de 3%-5%. O ruído dá sempre muito bons resultados com todos os truques de validação cruzada e outros.
Precisão de 100% significa a única coisa: entre os preditores você tem uma duplicata da variável alvo (alguma modificação da mesma). Ou seja, o modelo olha para o futuro.
100% de precisão significa apenas uma coisa: entre os preditores você tem uma duplicata da variável alvo (alguma modificação da mesma). Ou seja, o modelo olha para o futuro.
Do que não gostas nesta abordagem? Como você vai ajustar os parâmetros?
Sim, a abordagem é óptima, é difícil pensar em algo melhor, o problema está no próprio mercado...
Lembre-se, eu lhe falei sobre minhas experiências, correlações e procura de padrões na história (não na SSA, mas antes), o que eu fiz:
Peguei na situação actual e procurei os seus análogos no passado e vi como terminavam, se encontrei uma situação "X", quando encontrei 20 análogos dos quais 17 terminaram com uma queda e 3 com uma subida, então a vantagem estatística é óbvia(temos de vender), apropósito, porque não é a validação cruzada? Apenas por um único padrão, não concorda? Descobrimos que este padrão não vai funcionar, descobrimos que com uma enorme percentagem de probabilidade o mercado vai subir, vai contra as suas próprias estatísticas com uma enorme probabilidade estatística.
Para simplificar, se ontem tivemos o evento "x" e depois dele tivemos queda e no dia anterior tivemos evento"x" e depois dele tudo caiu também e depois de ontem houve queda após o evento"x"- então se hoje temos evento"x"- tudo crescerá, que crosvalidação nos ajudará aqui?Nada, nunca.
O mais importante é compreender o processo.
O mercado é um negócio cruel, onde algumas pessoas que construíram este negócio legalmente tiram dinheiro de outros. A multidão, a maioria, é sempre obrigada a perder, todos sabem disso, todos escrevem sobre isso, ninguém o esconde, em suma, é um axioma - um padrão de 95% dos comerciantes que perdem dinheiro - o mercado move-se contra a maioria com a probabilidade de os comerciantes perderem dinheiro com esses 95%.
E o que é que a multidão usa quando negoceia? Na verdade, a multidão não tem nada a não ser uma coisa que os faça fazer acordos.
Qualquer ação que comece a partir da observação visual dos gráficos e da busca de padrões na quebra e que termine com o treinamento da rede neural não passa de uma negociação por estatísticas, as próprias estatísticas que não funcionam no mercado, sabe do que estou falando?
o mercado se move contra as negociações da multidão ----- a multidão age em estatísticas ------ tudo o que você precisa fazer é prever a ação da multidão no futuro e fazer o oposto, a única maneira de prever são as estatísticas
)))) começar com um e terminar com o terceiro :) Bem, é isso, pelo menos eu tirei-o do meu sistema.)
p.s. tudo o que eu disse aqui é a minha opinião pessoal, não quero impor nada a ninguém, posso argumentar e provar, mas não estou com disposição para isso.
Algo está errado, a floresta é quase sempre treinada com 100% de precisão com qualquer preconceito. Na validação, pode haver problemas com tais dados, mas a floresta sempre preverá os resultados nos dados de treinamento com precisão. Eu posso assumir que você não está usando classificação mas sim regressão, e quando você testa o modelo você não obtém classes rígidas -1;0;1, mas números reais na faixa de -1 a 1. Com uma regressão tão distorcida, nada de bom virá disso.
Melhor ainda, digamos que você tenha uma tabela de dados de treinamento onde a última coluna é a variável alvo e todas as outras colunas são preditoras:
Não, classificação, você tem algo errado...
eu tinha assim, dois modelos, separadamente compra e venda classes (1, 0) e (-1, 0)
parece feio ) aceite
Sim, a abordagem é óptima, é difícil pensar em algo melhor, o problema está no próprio mercado...
Lembrem-se que vos falei das minhas experiências, correlações e procura de padrões na história (não na SSA, mas antes), do que eu fiz:
Peguei na situação actual e procurei os seus análogos no passado e vi como terminavam, se encontrei uma situação "X", quando encontrei 20 análogos dos quais 17 terminaram com uma queda e 3 com uma subida, por isso a vantagem estatística é óbvia(temos de vender), apropósito, porque não é a validação cruzada? Apenas por um único padrão, não concorda? Descobrimos que este padrão não vai funcionar, descobrimos que com uma enorme percentagem de probabilidade o mercado vai subir, vai contra as suas próprias estatísticas com uma enorme probabilidade estatística.
Para simplificar, se ontem tivemos o evento "x" e depois dele tivemos queda e no dia anterior tivemos evento"x" e depois dele tudo caiu também e depois de ontem houve queda após o evento"x"- então se hoje temos evento"x"- tudo crescerá, que crosvalidação nos ajudará aqui?Nada, nunca.
O mais importante é compreender o processo.
O mercado é um negócio cruel, onde algumas pessoas que construíram este negócio legalmente tiram dinheiro de outros. A multidão, a maioria, é sempre obrigada a perder, todos sabem disso, todos escrevem sobre isso, ninguém o esconde, em suma, é um axioma - um padrão de 95% dos comerciantes que perdem dinheiro - o mercado move-se contra a maioria com a probabilidade de os comerciantes perderem dinheiro com esses 95%.
E o que é que a multidão usa quando negoceia? Na verdade, a multidão não tem nada a não ser uma coisa que os faça fazer acordos.
Qualquer ação que comece a partir da observação visual dos gráficos e da busca de padrões na quebra e que termine com o treinamento da rede neural não passa de uma negociação por estatísticas, as próprias estatísticas que não funcionam no mercado, sabe do que estou falando?
o mercado se move contra as negociações da multidão ----- a multidão age sobre as estatísticas ------ tudo que você precisa fazer é prever a ação da multidão no futuro e fazer o oposto, a única maneira de prever são as estatísticas
)))) começar com um e terminar com o terceiro :) Bem, é isso, pelo menos eu tirei-o do meu sistema.)
p.s. tudo o que eu disse aqui é apenas a minha opinião, ninguém está impondo nada, eu posso argumentar e provar, mas não o humor
Está bem.
Quanto a mim, Forex é um sinal simples com ruídos. Se eu encontrar um vício, eu levo o dinheiro, se eu treinar de novo, o corretor o tira. E sobre as multidões, etc. Não tenho informações. Não sei como conseguir o suficiente.
Eu quero começar a lidar com cotações de ações depois de terminar esta experiência. Vou conseguir volumes reais lá, o que também é uma vantagem.
ESTÁ BEM.
Para mim forex é um sinal estúpido com barulho. Se eu encontrar um vício, eu fico com o dinheiro, se eu me reciclar, o corretor fica com o dinheiro. E sobre as multidões, etc. Não tenho informações. Não sei como conseguir o suficiente.
Eu quero começar a lidar com cotações de ações depois de terminar esta experiência. Eu quero usar citações verdadeiras.
Depois de completar esta experiência, quero fazer cotações na bolsa de valores. Haverá lá volumes reais, o que também é uma vantagem.
acredite, o volume não o ajudará muito, você pode substituí-lo por volatilidade regular, eu quase sempre negociei apenas no mercado real, eu sei do que estou falando
Está bem.
Vou tentar fazer fichas de entrada a partir do volume e depois veremos.