Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1839

 
mytarmailS:

Ahahahaha )))) LOL!!!

Cabra é assim as palavras do Trickster. Lebre para plogiar!!!! Esperando por ele com impaciência....
 

Eu gostaria de um conselho de todos.
No pacote Darch encontrei a seguinte opção de avaliação de modelos:
Calculamos erros nas secções track e on oob.
Então o erro total é calculado como
err = oob_error * comb_err_tr + train_err * (1 - comb_err_tr);

onde comb_err_tr = 0.62. O multiplicador que controla a contribuição dos erros das secções do comboio e do oob. Se estiver definida a 0, a estimativa é apenas por comboio. Se você definir para 1, a estimativa é apenas para o oob.

0,62 significa que o erro oob tem um pouco mais de peso na estimativa total do modelo.

Eu usei esta fórmula por um tempo, mas agora tenho dúvidas.

O erro no oob normalmente tem um limite, e no trem se o excesso de treinamento continuasse, poderia ir até 0.
Aproximadamente assim: (verde é o erro estimado de acordo com a fórmula)




De acordo com esta fórmula, o erro continuará diminuindo devido ao erro trn decrescente. E só vai parar de cair quando a trn parar de diminuir. Ao mesmo tempo, quando o sobretreinamento tiver começado, o erro em oob começará a aumentar.
Na minha opinião, parar de aprender quando o erro da fórmula começa a crescer é demasiado tarde.
Mesmo no ponto em que o erro oob é mínimo, também não é ótimo. Devido a uma aleatorização feliz, encontramos acidentalmente o mínimo por oob, mas pode ser um ajuste para oob.
Talvez devêssemos tomar o erro mínimo em oob, e contá-lo como um limite para o erro no comboio? Isto é, parar de treinar o modelo quando o erro no trn se igualou ao melhor erro no oob (onde eu desenhei a linha vertical)? O erro em oob será pior, mas não será adequado nem para o trem nem para o oob.

 
elibrarius:

Eu gostaria de um conselho de todos.
No pacote Darch encontrei a seguinte opção de avaliação de modelos:
Calculamos erros nas secções track e on oob.
Então o erro total é calculado como
err = oob_error * comb_err_tr + train_err * (1 - comb_err_tr);

onde comb_err_tr = 0.62. O multiplicador que controla a contribuição dos erros das secções do comboio e do oob. Se estiver definida a 0, a estimativa é apenas por comboio. Se você definir para 1, a estimativa é apenas para o oob.

0,62 significa que o erro de oob tem um pouco mais de peso na estimativa total do modelo.

Eu usei esta fórmula por um tempo, mas agora tenho dúvidas.

O erro no oob normalmente tem um limite, e no trem se o excesso de treinamento continuasse, poderia ir até 0.
Aproximadamente assim: (verde é o erro estimado de acordo com a fórmula)




De acordo com esta fórmula, o erro continuará diminuindo devido ao erro trn decrescente. E só vai parar de cair quando a trn parar de diminuir. Ao mesmo tempo, quando o sobretreinamento tiver começado, o erro em oob começará a aumentar.
Na minha opinião, parar de aprender quando o erro da fórmula começa a crescer é demasiado tarde.
Mesmo no ponto em que o erro oob é mínimo, também não é ótimo. Devido a uma aleatorização feliz, encontramos acidentalmente o mínimo por oob, mas pode ser um ajuste para oob.
Talvez devêssemos tomar o erro mínimo em oob, e contá-lo como um limite para o erro no comboio? Isto é, parar de treinar o modelo quando o erro no trn se igualou ao melhor erro no oob (onde eu desenhei a linha vertical)? O erro no oob será pior, mas não será adequado nem para o trem nem para o oob.

Há lógica nisto. A margem de erro é determinada por um modelo probabilístico e tanto um tamanho de amostra razoável como o número de sessões de reciclagem têm algum tamanho óptimo, cujo aumento não melhora o resultado

 
mytarmailS:

Um sistema de negociação através dos olhos de um algotrader

R - você é apenas apuenen! :)

E quanto aos filtros ou níveis digitais? :D

 
Maxim Dmitrievsky:

Então, os filtros ou níveis digitais mostram algo interessante? :D

A última coisa que fiz foi procurar por uma sobreposição de padrões...

Nós temos um nível - quando o preço o atravessa, nós fixamos este padrão e o fixamos como uma amostra de treinamento

Os padrões podem ser diferentes

procuro qualquer padrão que tenha surgido no momento, qualquer conjunto distinto que resolva algo


Para as minhas regras de padrões, uso"regras associativas" esta abordagem difere das habituais pelo facto de cada exemplo de treino poder conter qualquer número de elementos e não ter em conta a ordenação dos sinais, o que também é bom para mim.


o alvo - para encontrar um extremo do qual haverá um aumento de 10 pontos

 x[i]==min(x[(i-1):(i+10)])

não é a melhor solução, mas é sobre isso que estou a escrever, até agora só comprei


o algoritmo de mineração "apriori" do pacote "arules".


é assim que se parecem as regras encontradas

inspect(head(rules.sorted,20)) 
     lhs                              rhs   support     confidence lift     count
[1]  {(28)(28)(-1);1,(44)(45)(-1)} => {BUY} 0.001017018 0.5769231  3.046559 15   
[2]  {(25)(23)(-1);1,(5)(3)(-1)}   => {BUY} 0.001084819 0.5517241  2.913491 16   
[3]  {(31)(33)(-1),(8)(6)(-1)}     => {BUY} 0.001084819 0.5000000  2.640351 16   
[4]  {(49)(45)(-1),(54)(52)(-1)}   => {BUY} 0.001017018 0.5000000  2.640351 15   
[5]  {(25)(23)(-1),(82)(84)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[6]  {(46)(48)(-1),(56)(56)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[7]  {(25)(23)(-1);1,(40)(41)(-1)} => {BUY} 0.001017018 0.4838710  2.555178 15   
[8]  {(29)(30)(-1),(37)(39)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[9]  {(34)(32)(-1),(76)(74)(-1)}   => {BUY} 0.001898434 0.4745763  2.506096 28   
[10] {(25)(22)(-1),(7)(6)(-1);3}   => {BUY} 0.001152621 0.4722222  2.493665 17   
[11] {(17)(16)(-1);1,(49)(45)(-1)} => {BUY} 0.001017018 0.4687500  2.475329 15   
[12] {(46)(48)(-1),(62)(60)(-1)}   => {BUY} 0.001017018 0.4687500  2.475329 15   
[13] {(20)(21)(-1),(45)(46)(-1)}   => {BUY} 0.001017018 0.4687500  2.475329 15   
[14] {(19)(18)(-1);1,(60)(57)(-1)} => {BUY} 0.001220422 0.4615385  2.437247 18   
[15] {(25)(23)(-1);1,(47)(45)(-1)} => {BUY} 0.001152621 0.4594595  2.426268 17   
[16] {(40)(41)(-1),(71)(71)(-1)}   => {BUY} 0.001152621 0.4594595  2.426268 17   
[17] {(2)(1)(-1);4,(6)(6)(-1)}     => {BUY} 0.001084819 0.4571429  2.414035 16 


aqui está a regra "1" (a melhor) em acção sobre os novos dados

sem qualquer adulteração, como está, na sequência como está...

decida por si mesmo se este é ou não um tópico interessante

continuação do mesmo


Então é possível adicionar AMO a essas entradas como se "em cima" para filtrar a entrada/saída.

Há um potencial ilimitado para aumentar a quantidade e a qualidade dos padrões

Talvez algo legal possa sair, mas eu não tenho energia e rastilho, eu fui numa onda criativa de bebida ((



Acho que os níveis são a ferramenta mais promissora para criar o TS...

O nível de preços, no meu entender, não é um estúpido fractal de Bill Williams, mas um evento a um preço específico, muito provavelmente "muitos movimentos".

 
mytarmailS:

Então você pode adicionar AMO a essas entradas como se "em cima" para filtrar para entrar / não para entrar

Há um potencial ilimitado para aumentar a quantidade e a qualidade dos padrões

Talvez algo legal venha à tona, mas eu não tenho energia nem energia, estou numa onda criativa de bebida ((

Quando eu tiver energia suficiente, eu vou ler).

 
Maxim Dmitrievsky:

Vou lê-lo quando lhe apanhar o jeito.)

procurar no Google algo mais curto, não há muito para ler.

 
Oh, que f-cked up... as pessoas não bebem, nunca bebem, nunca, nunca....
 
mytarmailS:
Oh, que f-cked up... as pessoas não bebem, nunca bebem, nunca, nunca....
Eu sei o que queres dizer. Eu mesmo estou no rebote para o segundo dia :-)
 

Estou a ver que estás a tentar encontrar um padrão. É tão simples como um centavo por dúzia) É a teoria das ondas. Mas não é do domínio público, neste momento.

Imagina que estás casado há 22 anos. Qual é a probabilidade de se divorciar hoje ou amanhã? Ensine a máquina a aprender este entendimento e só depois passe para as questões mais simples - os mercados financeiros.

Percebo que estou a ter dificuldades em abordar o assunto.

Respeitoso com as palavras de Yusuf. Ele sempre foi correto sobre a continuidade da história e do momento atual. E a importância para o futuro.

Razão: