Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2626

[mytarmailS]

Maxim Dmitrievsky #:
Basta mostrar-me se o conseguiu, eu mostro-lhe os meus resultados sobre o método, não tive tempo de o terminar.

Ainda está em desenvolvimento, um processo muito caro em termos de recursos informáticos, enquanto eu estou a optimizar o código

[mytarmailS]

Artigo interessante, algo em que pensar

https://www.autodesk.com/research/publications/same-stats-different-graphs

[mytarmailS]

A importância dos sinais na janela em movimento (indicadores e preços)

Num momento o indicador pode ser 10% importante e noutro momento pode ser 0,05% importante, tal é a verdade da vida)

Se pensa que resolve tudo, deve orgulhar-se disso.

É assim que os quatro sinais da Íris de Fisher se parecem.

Ou se fizer zoom sobre a janela deslizante.

[Aleksei Kuznetsov]

mytarmailS #:

A importância dos sinais na janela em movimento (indicadores e preços)

Num momento o indicador pode ser 10% importante e noutro momento pode ser 0,05% importante, tal é a verdade da vida)

Se pensa que resolve tudo, deve orgulhar-se disso.

É assim que os quatro sinais da Íris de Fisher se parecem.

Ou se alargar a janela deslizante.

É evidente que as íris (e problemas semelhantes) têm um padrão estável. Todos os que têm feito experiências com eles já descobriram que tudo "flutua" entre aspas.

Pergunto-me como o significado dos indicadores é diferente em cada ponto do gráfico. É determinado para todo o modelo construído sobre todas as linhas de treino ao mesmo tempo. Ou tem aí 5000 modelos?
E, em geral, explique os seus gráficos, o que está sobre eles e como foram construídos.

[mytarmailS]

elibrarius #:

O facto de os íris (e problemas semelhantes) terem um padrão estável já é evidente. E o facto de tudo "flutuar" nas citações também é claro para todos os que fizeram experiências com elas.

Pergunto-me como a importância dos indicadores é diferente em cada ponto do gráfico. É determinado para todo o modelo construído em todas as linhas de treino ao mesmo tempo. Ou tem aí 5000 modelos?
E, em geral, explique os seus gráficos, o que há neles e como foram construídos.

Há muitas maneiras de descobrir a informatividade de uma característica, algumas para as quais não é necessário treinar um modelo. Usei fselector. https://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/

Conta a entropia das características...

Porque é que a importância é diferente em cada ponto? Sim, porque a informatividade das características foi calculada numa janela deslizante, como escrevi acima.

[[Excluído]]

mytarmailS #:
Há muitas maneiras de descobrir a informatividade dos traços, para alguns não é necessário treinar um modelo. Eu usei fselector. h ttps://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/

Ele conta a entropia dos traços...

Porque é que a importância é diferente em cada ponto? Sim, porque a informatividade das características foi calculada numa janela deslizante, como escrevi acima.

Assim, é necessário procurar períodos em que a importância não salte, pode usar 2 modelos. Caso contrário, é uma confusão.

Fiz formação em janelas em linha, se se levar tudo junto sem filtragem no tempo, o desempenho é fraco. Na altura, não pensei em fazê-lo com filtragem. Há um exemplo de tal bot no meu artigo sobre entropia

Muito provavelmente, os saltos de importância são devidos a mudanças de entropia, se sinais como devoluções

Mas todos os adeptos do foregate gates têm a sua própria realidade não baseada na prática

[mytarmailS]

Maxim Dmitrievsky #:

Mas todos os tipos de adeptos do foregate têm a sua própria realidade, não baseada na prática

O que é isso?

Penso que é necessário procurar um padrão e construir um modelo para ele, muitas vezes o MO não pode construir um modelo mesmo para um padrão compreensível, tudo à mão

[[Excluído]]

mytarmailS #:
O que é isso?

Penso que é preciso procurar um padrão e construir um modelo para ele, muitas vezes o MO não pode construir um modelo mesmo para um padrão compreensível, tem de se fazer tudo à mão

Bem, há todo o tipo de redes de recorrência, houve uma aqui

directamente através do padrão e procurar um padrão em que se comporte num padrão :)

Muito simplesmente: treiná-lo, verificá-lo num teste, identificar os períodos em que estava a descarregar e a trabalhar, tirar conclusões/entrada para o filtrar, identificar um padrão

Não deve separar estatísticas do MO, deve utilizar estatísticas para modelos, eles são treinados aleatoriamente

Se conhece o padrão, não precisa do MO

[mytarmailS]

Maxim Dmitrievsky #:
Deve ir directamente para o modelo e procurar um padrão, onde se comporta como se fosse um padrão :)

Se muito simples: ensiná-lo, testá-lo no teste, identificar os períodos em que estava a verter e a trabalhar, tirar conclusões / tentar filtrá-lo, identificar um padrão

Sim, em princípio é possível, melhor ainda, nesta ordem pode fazer na máquina

Maxim Dmitrievsky #:

Se muito simples: ensinar, testar, identificar períodos em que estava a verter e a trabalhar, tirar conclusões / tentar filtrar, detectar um padrão

ou para não verter))

Maxim Dmitrievsky #:

Não deve separar estatísticas do MO, deve utilizar estatísticas para modelos, eles são treinados aleatoriamente

Para mim, não é necessário fazer modelos complicados, uma simples regra é suficiente, senão não se pode chamar-lhe padrão.

Maxim Dmitrievsky #:

SZY se conhecer o padrão, então o MO é um pouco desnecessário.

Eu quero sempre fazer melhor))))

[Aleksei Kuznetsov]

mytarmailS #:
Há muitas maneiras de descobrir a informatividade de uma característica, algumas para as quais não é necessário treinar um modelo. Usei fselector. h ttps://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/

Ele conta a entropia dos traços...

Porque é que a importância é diferente em cada ponto? Sim, porque a informatividade das características foi contada na janela deslizante como escrevi acima

Estava a comparar várias formas de estimar a importância dos atributos. Tomei o modelo mais intensivo em termos de recursos como referência: formar o modelo através da remoção das características uma a uma.
Os métodos rápidos não coincidem com o padrão de referência. Também não são compatíveis entre si. O fselector é ainda mais rápido, penso que também não vai corresponder a nada.