Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 951

 
Aleksey Vyazmikin:

Vou adicionar mais alguns preditores e passar para o ensembles.... e depois começam os tamborins e as danças.

é melhor não começar ))) é uma porcaria

quando não há estratégia na sua cabeça e nenhuma confirmação fundamental de que pode sequer funcionar, é tudo apenas kurvafitting

Os preditores não abatem, os modelos de abate não abatem... pode demorar uma eternidade.

Estando plenamente consciente deste fenómeno, acabei de fazer um curvafitter e um regularizador. Ele come tudo na entrada, cospe coisas aleatórias no feedback, mas após a regularização funciona por algum tempo.

 
Maxim Dmitrievsky:

é melhor não começar ))) é uma porcaria

quando não há estratégia na sua cabeça e não há confirmação fundamental de que pode funcionar, é tudo curvafitting

os preditores não são de abate, os modelos de abate não são de abate...

Você não precisa, se o EA funcionar bem com esses dados, há algumas regularidades que são descritas nele, e não importa se é um ajuste ou não, então vamos pelo menos usar o modelo MO nele!

 
Aleksey Vyazmikin:

Não é necessário, se a EA funcionar bem com estes dados, então há padrões que são descritos nele, e não importa se é um ajuste ou não, então deixe o modelo MO sair sobre ele, pelo menos!

A conscientização é uma coisa complicada que vem através do sofrimento.

 
Maxim Dmitrievsky:

A conscientização é uma coisa complexa que vem através do sofrimento.

Consciência de que o MO não pode replicar a lógica clara do algoritmo?

 
Aleksey Vyazmikin:

A percepção de que o MO não pode replicar a lógica clara do algoritmo?

não faz sentido nenhum.

 
Maxim Dmitrievsky:

e isso não faz sentido nenhum.

Então sim, estou desapontado.

 
Machine Learning and Reinforcement Learning in Finance | Coursera
Machine Learning and Reinforcement Learning in Finance | Coursera
  • www.coursera.org
Machine Learning and Reinforcement Learning in Finance from New York University Tandon School of Engineering. The main goal of this specialization is to provide the knowledge and practical skills necessary to develop a strong foundation on core ...
 

Para o último arquivo eu tinha isto com a árvore :

2016, formação


y_pred

y_true-101
-113392388444472
010803767146029
17413376787415


2015, teste:


y_pred

y_true-101
-19552392625429
011495721317509
18581403776835

ao prever -1: -1 ocorrerá de facto um pouco mais vezes do que 1. Mas 0 será o mais frequente de todos, e provavelmente tudo terminará em perdas. Da mesma forma, para a classe "1".


Surgiram problemas com a árvore. A genética escolheu o parâmetro de árvore cp = 0, e isto dá à árvore permissão para um monte de ramos. Isto é lamentável, deveríamos ter restringido este parâmetro a algum pequeno valor não nulo.

 

Acho que não há preditores suficientes nos dados para classificar o '0'. Precisamos de alguns indicadores de planicidade, por exemplo.

É mau com a árvore em geral. A madeira do SanSanych é muito mais fresca.


Aleksey Vyazmikin:

O que é esta requalificação, configurações erradas, um mercado drasticamente diferente?

Má configuração do modelo e, como consequência, excesso de treino.

 
Dr. Trader:

A madeira do SanSanych é muito mais fresca.

Que frieza existe - reciclagem e nada mais, ele não tem um único preditor que se relacione com sua variável alvo - todo o ruído. E ele senta-se no guizo e põe ficheiros de lixo aqui em vez de verificar se há barulho.

Razão: