Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2480

[Mihail Marchukajtes]

Dmytryi Nazarchuk #:

Ao aplicar métodos de aprendizagem de máquinas ao RUNNING, é praticamente impossível ter a mesma variável dependente para o mesmo conjunto de variáveis de entrada. Os diferentes valores da variável dependente geram um erro de previsão que precisa ser minimizado.

Todo este tópico é sobre a minimização do erro de previsão, aksakal.

Verdades simples....

Está ciente de que existem tais métodos de treino onde a minimização de erros pode ser infinitamente longa não pelo tempo mas pelo resultado real e que o valor mínimo de erro obtido no treino não é um critério de generalizabilidade do modelo. Digamos que o método de propagação de retorno é capaz de minimizar o erro em qualquer dado a zero, mas normalmente tais modelos não têm generalizabilidade e têm um mau desempenho em novos dados. Assim, este método será capaz de minimizar o erro na presença de dados contraditórios a zero, mas será de pouca utilidade na prática. Portanto, acredite que minimizar erros no treinamento não é uma abordagem suficiente no treinamento!

[Mihail Marchukajtes]

mytarmailS #:

Porquê ao acaso?

Exactamente. As séries cronológicas de troca não são estacionárias em primeiro lugar, mas não são de forma alguma aleatórias. Há sempre uma razão para uma mudança numa série de preços e é a análise da razão que ajuda a prever o preço, não a consequência!

[Dmytryi Nazarchuk]

Mihail Marchukajtes #:
Exactamente. As séries cronológicas de troca não são estacionárias, mas não são aleatórias. Há sempre uma razão para as mudanças de preço e é a análise da causa que ajuda a prever o preço, não a consequência!

........................ Dá-me um exemplo de uma série determinista não estacionária

[Dmytryi Nazarchuk]

Mihail Marchukajtes #:
Está ciente de que existem métodos de treino onde a minimização de erros pode ser infinitamente longa não pelo tempo mas pelo resultado real e que o erro mínimo obtido durante o treino não é um critério para avaliar a generalizabilidade do modelo. Digamos que o método de propagação de retorno é capaz de minimizar o erro em qualquer dado a zero, mas como regra, tais modelos não têm generalizabilidade e têm um mau desempenho em novos dados. Assim, este método será capaz de minimizar o erro na presença de dados contraditórios a zero, mas será de pouca utilidade na prática. Portanto, acredite-me que a minimização de erros no treino não é uma abordagem suficiente no treino!

Besteira

[Dmytryi Nazarchuk]

mytarmailS #:

Porquê ao acaso?

As séries temporais são determinísticas, aleatórias e estocásticas. Não há outros. Nada mesmo.

Cotações Forex e de acções - que tipo de séries?

[JeeyCi]

Evgeniy Ilin #:

E se é exactamente o que estás a pensar, eu entendo o que estás a pensar, podes assumir qualquer função como:

A[1]*X^0+A[2]*X^1+ ... + A [N]*X^N, é em geral uma série de Taylor (série funcional), exceto que A[i] > 0 para todos i = 1...N dá em geral um crescimento constante da primeira derivada, para colocar claramente, então

Como Diferenciar um Conjunto de Dados de Série Temporal com Python

Como fazer o backtest de modelos de aprendizagem de máquinas para a previsão de séries temporais

Sim, algo na rede... confundido pela correcção da sazonalidade e outros eventos mais significativos no tempo...

... e o número de vezes :

Como tal, o processo de diferenciação pode ser repetido mais de uma vez até que toda a dependência temporal tenha sido removida.

O número de vezes que a diferença é executada é chamado de ordem da diferença.

p.s.

Vou ver os links a partir daqui também (obrigado pelo artigo)

[mytarmailS]

Dmytryi Nazarchuk #:

As séries temporais são determinísticas, aleatórias e estocásticas. Não há outros. Nada mesmo.

Preços Forex e das acções - que tipo de séries?

Eu não sou bom nisso...

Se não me engano: em termos de teoria da probabilidade, as citações são um processo aleatório, não estocástico.

Mas eu não concordo com isso.

[Dmytryi Nazarchuk]

mytarmailS #:

Eu não sou bom nisso.

Se não me engano: em termos de teoria da probabilidade, as citações são um processo aleatório e não estacionário.

Mas eu não concordo com isso.

Porque não?

[mytarmailS]

Dmytryi Nazarchuk #:

Porquê?

Eu tenho vários argumentos, mas eles não devem ser considerados em termos de teoria da probabilidade, mas apenas raciocínio humano.

1) Todos os métodos matemáticos inventados para processar séries aleatórias/não estacionárias/estacionárias..... não funcionam para citações, porquê?

2) o processo é organizado por pessoas para tirar dinheiro de outras pessoas, não pode funcionar de forma aleatória, acredito que o processo é determinista, mas é complicado...

Havia outros pontos, mas quando comecei a escrevê-lo, esqueci-me...

[Dmytryi Nazarchuk]

mytarmailS #:

Eu tenho vários argumentos, mas eles não devem ser considerados em termos de teoria da probabilidade, mas apenas raciocínio humano.

1) Todos os métodos matemáticos inventados para processar séries aleatórias/não estacionárias/estacionárias..... não funcionam para citações, porquê?

2) o processo é organizado por pessoas para tirar dinheiro de outras pessoas, não pode funcionar de forma aleatória, acredito que o processo é determinista, mas é complicado...

Eu tinha mais pontos, mas quando comecei a escrevê-los, eles me escaparam da cabeça ...

1. todos os métodos matemáticos para processos não estacionários são xamanismo. Porque você só pode prever o futuro baseado no passado e se o futuro não depende do passado - previsões baseadas no passado não funcionam.

Portanto, a escolha do método, modelo, etc. não desempenha qualquer papel - apenas a escolha certa das variáveis de entrada.

Não precisas de ir mais longe.