Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 127
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
Como você determinou isso? Você já rastreou o desempenho de seus preditores sobre o futuro então desconhecido?
Porque não um futuro conhecido? Tudo é conhecido na história. Eu aprendi em 1-10 partes, e verifico na validação cruzada. E depois recebo estatísticas sobre 11, 12, etc. e comparo com o que recebi sobre 1-10 bocados. Isto é, uma analogia completa com o comércio real. Já descrevi isto muitas vezes neste tópico.
Sim, bem, foi o que eu imaginei.
E por quantas variações diferentes do modelo você passa dessa maneira? Acontece que nos dias 11, 12, etc. o modelo tem um desempenho pior do que no treino e você começa de novo?
Sim, bem, foi o que eu imaginei.
E por quantas variações diferentes do modelo você passa dessa maneira? Alguma vez nos 11, 12, etc., o modelo tem um desempenho pior do que no treino e você começa de novo?
A variação é de cerca de 2-3% com uma média de 27-28%. É a variação como um desvio em relação à média.
O que você escreve sobre isso é que deve reduzir o erro de aprendizagem. Eu ainda não fiz isso. Para os meus palpiteiros o GBM é o melhor, então ada. Eu uso rf. A seguir vem a SVM e o pior de tudo. Como podem ver, não estou a usar o melhor modelo.
A variação é de cerca de 2-3% com uma média de 27-28%. É a variação como um desvio em relação à média.
O que você escreve sobre isso é que deve reduzir o erro de aprendizagem. Eu não fiz isso. Para os meus palpiteiros o GBM é o melhor, então ada. Eu uso rf. A seguir vem a SVM e o pior de tudo. Como podem ver, não estou a usar o melhor modelo.
Bem, está bem. SanSanych.
Se todos os seus modelos são validados mais ou menos igualmente, você não precisa dançar por aí.
Coloquei a informação lá fora para você pensar. Eu uso-o, testo-me e salvo-me de erros.
Se o vai ajudar ou não - não sei.
Acho que a informação não é a mais inútil.
Bem, está bem. SanSanych.
Se todos os seus modelos validarem igualmente bem, não há necessidade de uma dança de pandeiro.
Eu expus a informação para dar sentido a isso. Eu uso-o, testo-me e salvo-me de erros.
Se o vai ajudar ou não - não sei.
Acho que a informação não é a mais inútil.
Tenho seguido todas as suas mensagens com grande interesse.
E boa sorte.
Tenho seguido todas as suas mensagens com grande interesse.
Boa sorte.
Obrigado.
O que é "processos complexos" eu não entendo. Tenho um EA verdadeiro ligado no terminal a uma citação... O que eles me dão é o que nós mastigamos.
Já escrevi que uso a previsão no TS no TF mais antigo, que tem três janelas. A TF sénior define a direcção. Mas para além disso, a EA tem um conjunto bastante grande de ferramentas, cujo objectivo é a gestão do risco. É por isso que não posso dizer com certeza que percentagem de erro de previsão da próxima vela pertencente à direcção de ZZ influencia o resultado total, mas não estou interessado nele.
Eu repito o meu posto anterior. As ferramentas R, em particular, a aprendizagem da máquina, tento usar para resolver problemas específicos de uma certa EA. Não em geral, mas um específico. É bem possível que em outros TS minhas abordagens não funcionem.
Sobre o futuro...
Funciona desde Dezembro e tem um voo normal. Ao contrário do indicador que estava neste local no Expert Advisor, existe uma ferramenta que é re-treinada. O atraso foi eliminado. Não é suficiente? Um passo colossal em frente. É a verdade em último recurso? Não, claro que não.
Sim.
Um ciclo de aprendizagem com a validação cruzada M1 em 10 faltas, você entende corretamente. Para cada combinação de parâmetros de aprendizagem: em 9 faltas de aprendizagem, em uma verificação atrasada. Então, 10 vezes. Obtemos o valor médio da métrica de qualidade em 10 dobras. Vamos chamar-lhe m1.
Faço-o de forma semelhante, mas não movo a janela de teste, mas uma janela de treino. No meio, terei sempre uma janela de treino em movimento, enquanto os dados de teste rodeiam-na de ambos os lados. Eu acredito que se as dependências não são constantes, e alguns "períodos dominantes" estão constantemente flutuando para frente e para trás (de acordo com mytarmailS, eu mesmo não sou bom em frequências e Fourier) - então não adianta treinar em situações extremas (no tempo), e testar em algo no meio, que poderia ser aproximado por um modelo de variantes extremas. Para o treinamento eu levo até muito menos de 50% dos dados, tudo bem também (pelo menos não pior).
Eu uso algo como um laço externo desta imagem, mas treino em azul e testes em cinza. Quero ter a certeza de que, sejam quais forem os 30% dos dados sucessivos que tomei para treinamento, o modelo deverá ser capaz de comercializar de forma rentável o resto dos dados. Há uma teoria de que se eu posso treinar um modelo que negocia bem em todo o período usando qualquer 10% dos dados sucessivos para treinamento, ele também irá negociar bem com novos dados.
O método é o seguinte (todos os seguintes se aplicam igualmente tanto ao ML como ao TS clássico) .............
Já o li três vezes, mas não o entendo ((
1) Parece que isto não é apenas o ML, é como uma melhoria de algum TS existente, que tem sinais para entrar, e apenas nestas entradas entramos e estas entradas analisamos o ML certo?
2) Quando há lucro, fechamos o negócio. Quando o negócio está em prejuízo, nós mantemos a posição, por que devemos fazer isso?
3) Quando comprar, quando vender?
Posso fazer de tolo, sou louco por isso), mas não entendo o que escreveu, talvez me mostre uma foto ou um esquema...
Encontrei um blog e quase chorei, o homem estava fazendo quase a mesma idéia que eu havia pensado e decidido implementar, e foi essa idéia que eu comecei a aprender programação há cerca de um ano
https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/
E eu pensei que a minha ideia era única))) ...juventude, ingenuidade... claro que não usei DTW, porque não o entendi de todo.