Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 352
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
Que errado, você está criando um modelo de classificação. Quanto maior a amostra, mais forte a generalização, o modelo se torna mais robusto em geral e menos preciso em particular, respectivamente, quanto menor o lucro.
Vamos colocar isto em termos de eficiência. Se a eficiência do sistema cai como resultado da crescente complexidade, o sistema é desinteressante. Uma diminuição no lucro + perda indica uma diminuição na eficiência.
Com o aumento da sustentabilidade, a eficiência deve aumentar. A eficiência pode ser definida como a relação lucro/(lucro+prejuízo). Você também pode levar a eficiência por profissão.
Vamos colocar isto em termos de eficiência. Se a eficiência do sistema cai como resultado da crescente complexidade, o sistema é desinteressante. Uma diminuição no lucro + perda indica uma diminuição na eficiência.
Com o aumento da sustentabilidade, a eficiência deve aumentar. A eficiência pode ser definida como a relação lucro/(lucro+perda). KPI por comércio também pode ser considerado.
Não pode ser aplicado a VS))) acontece que a eficiência a longo prazo aumenta e a eficiência a curto prazo diminui) Se você quiser dar um exemplo... Há uma estratégia e tática... A aprendizagem a curto prazo ajuda NS a vencer tacticamente, e a longo prazo - estratégia, diferentes fatores podem influenciá-la...
Vamos colocar isto em termos de eficiência. Se a eficiência do sistema cai como resultado da crescente complexidade, o sistema é desinteressante. Uma diminuição no lucro + perda indica uma diminuição na eficiência.
Com o aumento da sustentabilidade, a eficiência deve aumentar. A eficiência pode ser definida como a relação lucro/(lucro+perda). Você também pode tomar KPI por profissão.
Vamos evitar as bicicletas chamadas KPI.
A Econometria utiliza critérios de informação.
Aqui está a definição
Ocritério informativo é uma medida da qualidade relativa dos modelos econométricos (estatísticos) aplicados em econometria (estatística) que leva em conta o grau de "ajuste" do modelo aos dados corrigidos (penalizados) pelo número de parâmetros estimados utilizados. Ou seja, os critérios baseiam-se num trade-off entre a precisão e a complexidade do modelo.
Os critérios informativos são utilizados exclusivamente para comparar modelos entre si, sem dar uma interpretação significativa aos seus valores. Eles não permitem testar modelos no sentido de testar hipóteses estatísticas. Em geral, quanto menores forem os valores dos critérios, maior será a qualidade relativa do modelo.
Se tomarmos um pacote onde se assume a selecção do modelo, será utilizado um dos critérios de informação.
Faa escreve o ponto certo, mas não o está a afirmar correctamente.
Você tem uma série e um conjunto de preditores. Você divide a série em três partes - uma amostra de treinamento e uma frente (o caso mais simples).
Você constrói, por exemplo, 20 modelos.
A questão é que a seleção de um modelo da lista não é feita pelo melhor da amostra de treinamento e não pelo melhor da amostra de frente. E selecionamos o modelo que dá quase as mesmas pontuações de qualidade na amostra de treinamento e no modelo de avanço.
Estamos ambos certos.
Um critério informativo é usado para selecionar o mais simples, mas o critério informativo não impede de forma alguma a realização de testes futuros.
Vamos saltar as bicicletas chamadas KPIs.
A Econometria utiliza critérios de informação.
Um não interfere com o outro nem o substitui de forma alguma. Em economia existem critérios de eficiência no sentido absolutamente correspondentes ao KPI. Não há necessidade de inventar nada.
Neste caso, estamos a avaliar o resultado, não o processo. Já não nos preocupamos com critérios de processo. O sistema é uma caixa negra. É por isso que estamos a comparar as características das caixas.
Existem também critérios de avaliação - eficácia por 1 rublo de investimento, eficiência média de um negócio, etc. Todo o negócio funciona com base em tais critérios. O que estamos a fazer no final?
Óptimo. Você aumentou a estabilidade do sistema ao eliminar drawdowns. Mesmo que o lucro total não tenha sequer caído, mas permaneça constante. A questão é: O que aconteceu aos negócios que te permitiram sair desses buracos? Se você não os tivesse removido, só eles teriam aumentado o lucro do sistema.
Se você treinar o neurônio em diferentes períodos de tempo, você terá resultados diferentes, não há nada para comparar. Os sinais serão diferentes, o modelo será treinado de forma diferente e não há nada que você possa fazer para influenciar isso. Eu não removi nada)
Se você treinar o neurônio em diferentes intervalos de tempo, então você terá resultados diferentes, não há nada para comparar mesmo... os sinais serão diferentes, o modelo será treinado de forma diferente e você não poderá influenciá-lo de forma alguma. Eu não removi nada)
É compreensível que o optimista seja removido. Mas a repetibilidade dos resultados é um requisito de qualquer experiência. Isto é, se temos resultados diferentes no teste quando treinamos em seções diferentes, é uma razão para pensar.
Imagine que ensinamos NS idênticos a reconhecer a fala usando os mesmos ToR e depois decidimos que eles não podem sequer ser comparados, porque foram treinados de forma diferente.
É compreensível que o optimista seja removido. Mas a repetibilidade dos resultados é um requisito de qualquer experiência. Isto é, se temos resultados diferentes no teste quando treinamos em seções diferentes, é uma razão para pensar.
Imagine que ensinamos NS idênticos a reconhecer a fala usando os mesmos ToR e depois decidimos que eles não podem sequer ser comparados, porque foram treinados de forma diferente.
Bem, mais ou menos sim, mas no modelo actual não é possível, não é tão complexo que se aproximasse da mesma forma um pequeno conjunto de dados e um enorme
Bem, mais ou menos, sim, mas no modelo atual é impossível, não é tão complexo aproximar da mesma forma um pequeno conjunto de dados e um enorme.
Em geral, se falamos de minutos, o mercado é estatisticamente homogéneo, ou seja, as estatísticas mudam pouco (estáveis) de semana para semana, de mês para mês. Não sei, ainda não estudei a questão. Tanto quanto me lembro, estás a trabalhar em 1 minuto.
Em princípio, os sistemas simples devem convergir mais rapidamente se forem convergentes. Isto é, eles têm um máximo. A propósito, nós mesmos geramos esses altos usando preditores "errados".