Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3090
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
Eu mesmo ainda não dei uma olhada, acabei de me deparar com isso, não tenho tempo suficiente para fazer tudo de forma catastrófica
Peço desculpas pelo kolkhoz, talvez não tenha sido muito preciso.
Mais uma vez, tentarei explicar a diferença entre desenvolvimento profissional e desenvolvimento de vilarejo com base no princípio do "primeiro cara do vilarejo".
O R não é apenas uma linguagem de programação, mas um meio para o desenvolvimento de tarefas estritamente especializadas - estatísticas, que incluem MO e algo mais.
Os pacotes em R são parte da linguagem. Vamos dar uma olhada no pacote de distribuição da linguagem - já existem vários pacotes básicos lá.
O conjunto de pacotes do R, que é de mais de 10.000 pacotes com mais de 100.000 funções, é um conjunto FUNCIONALMENTE COMPLETO para resolver problemas, por exemplo, MO.
Vou explicar com o exemplo do MO.
O site discute principalmente diferentes variantes de algoritmos de classificação, especialmente variantes de NS. As metaquotes para python são particularmente reveladoras.
Do ponto de vista do MO, o algoritmo de classificação em si é uma parte do problema, 30%. Tente encontrar os outros 70% em um vilarejo chamado Python. E é quase impossível encontrar outras variantes de modelos de classificação, e existem até 200 (1) delas.
O R tem um excelente aparato de referência que permitirá que você encontre o que está faltando.
Se você não sabe o que procurar, no primeiro estágio pode usar o Rattle para ver o que é um conjunto de ferramentas para MO: análise de dados primários, transformação, seleção de preditores, preparação de arquivos para teste, cálculo por modelo ou modelos, avaliação de resultados com representação gráfica apropriada. Esse é o nível básico.
Se você tiver superado o Rattle, poderá usar o shell Caret, que abrange os problemas de MO no nível mais alto. O Caret fornece acesso a até 200 (!) pacotes que darão sinais para negociação. Esses pacotes podem ser comparados, selecionados e conjuntos de modelos podem ser criados. O Caret tem tudo o que o Rattle tinha, mas em um nível mais profissional.
Para tudo o que o Caret tem, o R tem análogos e um grande número de outras ferramentas de suporte. Tudo isso representa UM PROPÓSITO.
Tudo isso é chamado de AMBIENTE PROFISSIONAL para trabalhar com estatística e IO em particular.
Página 7.
Em quarto lugar, mesmo que o pesquisador esteja trabalhando com uma amostra grande, a análise de
OOS terá de abranger uma grande parte da amostra para ser conclusiva,
o que é prejudicial para o desenvolvimento da estratégia (consulte Hawkins [15]). Se o OOS
for retirado do final da série temporal, perderemos as observações mais recentes
, que geralmente são as mais representativas do futuro. Se o OOS
for retirado do início da série temporal, o teste foi feito em
possivelmente a parte menos representativa dos dados.
Há uma descrição de 30 páginas do método aqui https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2326253. Comecei a ler. Aparentemente, ele se baseia na validação cruzada, mas com suas próprias peculiaridades - combinatória-simétrica
Nem quero mais ler, estou exausto.
Mas posso escrever uma síntese automática de estratégias com uma verificação do critério de não treinamento...
Em outras palavras, posso criar estratégias que maximizem o critério de não treinamento.
Posso sintetizar estratégias de acordo com esse critério e, em seguida, testá-las em novos dados para saber se são ruins ou se vale a pena prestar atenção nelas....
Testei -> obtive o resultado -> joguei fora/aprendi.
Mas ficar correndo por anos com uma ideia como um "palhaço casual", sem fazer nada e jogando-a para todo mundo é um beco sem saída.
Qual é o critério para desaprender?
Resposta de Prado et al. a Maxim com sua preferência por tomar OOS em um local inicial:
Página 7.
Em quarto lugar, mesmo que o pesquisador esteja trabalhando com uma amostra grande, a análise de
OOS terá de abranger uma grande parte da amostra para ser conclusiva,
o que é prejudicial para o desenvolvimento da estratégia (consulte Hawkins [15]). Se o OOS
for retirado do final da série temporal, perderemos as observações mais recentes
, que geralmente são as mais representativas do futuro. Se o OOS
for retirado do início da série temporal, o teste foi feito em
possivelmente a parte menos representativa dos dados.
Qual é o critério para não treinado?
Na página 8 até agora. E isso ainda é uma introdução)))
Parece que será uma comparação por Sharpe (mas eles escrevem que você pode usar qualquer outro indicador) na validação cruzada.
Uau, eles estão chegando ao Prado.
Nenhuma de suas técnicas funcionou para mim).
Uau, eles estão chegando ao Prado.
Nenhuma de suas técnicas funcionou para mim).
Talvez algo mais... Não consigo me lembrar de tudo.
Mas não é fato que seja invenção dele. Talvez ele tenha apenas recontado uma ideia útil