Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3275

[Renat Akhtyamov]

Maxim Dmitrievsky #:

Por alguma razão, você acha que seu hobby é o mais fascinante.

Você está certo.

Cada um tem a sua opinião.

Mas eu também estou interessado em mim.

Mas por que eu pisaria no mesmo ancinho?

Sentirei o resultado positivo da pesquisa aqui e me juntarei de bom grado aos especialistas estabelecidos nesse campo.

Entretanto, os erros de pensamento são visíveis a olho nu.

E eu realmente quero que você siga na direção certa para alcançar o resultado esperado em um curto período de tempo.

[mytarmailS]

sobre os anseios das estratégias

https://buildalpha.wordpress.com/2018/11/20/buildalpha-ensemble-strategies-reduce-overfitting-by-combining-strategies/

----------------------------------------

Portanto, tudo o que você precisa é de uma métrica de retreinamento de estratégia para saber se uma estratégia funcionará com novos dados ou não; todo o resto é solucionável....

----------------------------------------

Há uma ideia de adotar várias abordagens para detectar o treinamento excessivo, a minha é baseada em auto.arima, Prado "PBO". É possível fazer outra coisa, usar como preditores e ensinar o AMO a prever a probabilidade de treinamento excessivo e transformá-la em uma métrica.

Como alternativa.

[Maxim Kuznetsov]

mytarmailS #:
métrica de retreinamento de estratégia para saber se uma estratégia funcionará com novos dados ou não.

outra variante da palavra graal? :-) "para saber se ela funcionará no futuro"

[mytarmailS]

Maxim Kuznetsov #:

outra variante da formulação da palavra graal? :-) "para saber se funcionará no futuro"

Não sou preciso, precisamos de uma probabilidade honesta, por exemplo - funcionará com novos dados com 69% de probabilidade.

[mytarmailS]

sobre p-hacking e estratégias

https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/

[[Excluído]]

Se me permite, gostaria de contribuir com esse tópico tão interessante e importante.

O aprendizado de máquina , ML, é uma classe de métodos de inteligência artificial, cuja característica não é a solução direta de um problema, mas o aprendizado por meio da aplicação de soluções a um conjunto de problemas semelhantes. Para criar esses métodos, são usadas ferramentas de estatística matemática, métodos numéricos, análise matemática, métodos de otimização, teoria da probabilidade, teoria dos gráficos e várias técnicas para trabalhar com dados em formato digital.

P.Z.

[lynxntech]

Lorarica estatística matemática, métodos numéricos, análise matemática, métodos de otimização, teoria da probabilidade, teoria dos gráficos e várias técnicas para trabalhar com dados em formato digital.

P.Z.

o mais importante aqui é não escrever muitas palavras, já estou tão cansado de pesquisar que uma ou duas frases não serão lidas

[[Excluído]]

mytarmailS #:

sobre p-hacking e estratégias

https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/

Portanto, a otimização ou o aprendizado da estratégia deve ser mais ou menos assim:

onde a pontuação média é o análogo do resultado ao usar a validação cruzada

R2: 0.9849988744314404
Learn 1 model
R2: 0.9689143064621495
Learn 2 model
R2: 0.987424656181599
Learn 3 model
R2: 0.9439690206389704
Learn 4 model
R2: 0.9814487072270343
Learn 5 model
R2: 0.9636828703372952
Learn 6 model
R2: 0.986048862779979
Learn 7 model
R2: 0.960923469755229
Learn 8 model
R2: 0.9734744911894477
Learn 9 model
R2: 0.983760998020949
Learn 10 model
R2: 0.970035929265801
Learn 11 model
R2: 0.9888147318560191
Learn 12 model
R2: 0.9724422982608569
Learn 13 model
R2: 0.9554046278458146
Learn 14 model
R2: 0.9664401507673384
Learn 15 model
R2: 0.9806752105871513
Learn 16 model
R2: 0.977769556127485
Learn 17 model
R2: 0.9760342284284887
Learn 18 model
R2: 0.9769043647488534
Learn 19 model
R2: 0.9741849376008709
Learn 20 model
R2: 0.9740162061450146
Learn 21 model
R2: 0.919817531536493
Learn 22 model
R2: 0.9788269230776873
Learn 23 model
R2: 0.9579249703828974
Learn 24 model
R2: 0.9612684327278544

>>> o[0].mean()
0.9706082542553089

>>> o[0].std()
0.015284036641045055

[mytarmailS]

Lorarica #:

Não é uma definição, não é um conjunto completo de propriedades.

Uma definição deve responder claramente à pergunta sobre o que é.

O que você tem é apenas um monte de palavras da Internet com a tag MO.

[mytarmailS]

Maxim Dmitrievsky #:

Portanto, a otimização de uma estratégia ou treinamento deve ser mais ou menos assim:

onde a pontuação média é o análogo do resultado ao usar a validação cruzada

Mais ou menos assim... é assim?

O que é o[0]?