Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1843
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
Não penses que ninguém te está a excluir, é que há aqui tipos específicos que não suportam demagogia. Os sistemas de IA têm a capacidade de dar uma resposta não óbvia, mas ainda é uma ciência exata onde 1+1=2, e não aproximadamente, alegadamente ou não. Da mesma forma, o mercado é um tipo muito concreto de atividade onde há notícias reais, e há pseudo ensinamentos. Como o do Yusuf, por exemplo.
Vamos recorrer à Wikipédia, confias nela?
Mercado - um conjunto de processos e procedimentos que asseguram o intercâmbio entre compradores (consumidores) e vendedores(fornecedores) de determinados bens e serviços.
Então talvez a informação sobre a relação entre compradores e vendedores seja importante, em vez de ondas, estocásticos, Bollinger, etc.? O que você acha? Sabes, há muitos pseudo-experimentos que estão a tentar tirar o primeiro lugar.... Acho que vou fazer outro vídeo, mas desta vez é um texto. E acho que vou ter de fazer alguma coisa em relação ao som. Meu, ninguém sabe porque é que o gopro escreve som com o noise????
Até mesmo ler desculpas)).
Eu até li as desculpas)).
Sabes, ocorreu-me um pensamento no outro dia.
A qualidade do vídeo que publiquei deixa muito a desejar, mas a julgar pelos espectadores ninguém está interessado em assuntos nobres e no raciocínio científico. Todo mundo está interessado em ver uma linda garota que fala meia hora sobre a abolição do auto-isolamento no Parque Gorky. Literalmente diante dos meus olhos, em 24 horas, ganhou 500.000 pontos de vista contra os meus 70. Conclusão: Os tópicos científicos não são populares hoje em dia. O principal é um rosto bonito e uma voz agradável, e ninguém está interessado em IA. Que pena :-(
Eu gostaria de um conselho de todos.
No pacote Darch encontrei a seguinte opção de avaliação de modelos:
Calculamos erros nas secções track e on oob.
Então o erro final é calculado como
err = oob_error * comb_err_tr + train_err * (1 - comb_err_tr);
Na minha opinião, o treinamento deve ser controlado pelo valor médio dos indicadores de completude e precisão para toda a amostra, dividindo a amostra em janelas de, digamos, 10%-20%. Eu próprio selecciono as folhas por este método, mas também tenho em conta o resultado financeiro.
Sabes, ocorreu-me um pensamento no outro dia.
A qualidade do vídeo que publiquei deixa muito a desejar, mas a julgar pelos espectadores ninguém está interessado em assuntos nobres e no raciocínio científico. Todo mundo está interessado em ver uma linda garota que fala meia hora sobre a abolição do auto-isolamento no Parque Gorky. Literalmente diante dos meus olhos, em 24 horas, ganhou 500.000 pontos de vista contra os meus 70. Conclusão: Os tópicos científicos não são populares hoje em dia. O principal é um rosto bonito e uma voz agradável, e ninguém está interessado em IA. Que pena :-(
Ninguém quer a verdade, Misha )). Toda a gente quer ilusões bonitas.
Você mesmo não precisa ser um boneco bonito - crie uma impressão do espectador, ligue a imaginação dele, e depois diga a verdade ))
A única coisa que o incomoda é um martelo pneumático no fundo )
Ninguém quer a verdade, Misha )) Toda a gente quer ilusões bonitas.
Você mesmo não precisa ser um mamilo bonito - crie uma idéia na mente do espectador, ligue a imaginação dele e depois corte a verdade ))
Apenas um martelo pneumático no fundo incomoda )
Na minha opinião, o treinamento deve ser monitorado através da média da completude e precisão de toda a amostra, dividindo a amostra em janelas de, digamos, 10%-20%. Eu próprio selecciono as folhas usando este método, mas também tenho em conta o resultado financeiro.
Isto é validação cruzada. Ou você também pode avançar, para que o conjunto de validação seja sempre posterior ao conjunto de treinamento.
Vamos esclarecer a terminologia:
- exatidão, você quer dizer Precisão padrão (proporção de exemplos corretamente classificados)
- completude. É o número de exemplos/tamanho da amostra para treinamento? Como você seleciona? Por selecção?
Isto é validação cruzada. Ou você também pode avançar, para que o conjunto de validação seja sempre posterior ao conjunto de treinamento.
É importante verificar a robustez do sinal em toda a amostra, em vez de olhar para a pontuação final - pode haver diferentes métodos, um dos quais descrevi brevemente.
Vamos esclarecer a terminologia:
- exatidão, você quer dizer Precisão padrão (proporção de exemplos corretamente classificados)
- completude. É o número de exemplos/tamanho da amostra para treinamento? Como você seleciona? Por selecção?
Precisão é precisão e recall é completude. Estes números são importantes se houver mais de uma classe e se a classe do sinal for uma do conjunto. Por exemplo, se a tripla classificação - buy(1)/wait(0)/sell(-1) ou busca de volatilidade - haverá um movimento forte(1) ou um movimento fraco(0). Se em lógica as duas classes são equivalentes, então o significado destes indicadores fica um pouco embaçado.
Como está a Maximeka? Já leste alguma coisa? Algum corte?
Um pouco melhor abordagem, melhores resultados também... Todas as entradas mostraram + :)))
Mas há problemas...
1) não há sinais suficientes.
2) o modelo está a morrer a tempo.
Mas eu acho que comecei a entender algo neste maldito mercado, e o avanço não está longe ))
É importante verificar a robustez do sinal em toda a amostra em vez de olhar para a figura final - pode haver diferentes métodos, um dos quais eu descrevi brevemente.
Precisão é precisão e recall é completude. Estes indicadores são importantes se houver mais de uma classe e se a classe do sinal for uma do conjunto. Por exemplo, em caso de tripla classificação - buy(1)/wait(0)/sell(-1) ou busca de volatilidade - haverá um movimento forte(1) ou um movimento fraco(0). Se em lógica as duas classes são iguais, então o significado destes indicadores é um pouco confuso.
E em geral, a Precisão pode ser considerada uma métrica básica quando se tem uma aula de "espera". Os erros em Precisão são perdas directas de classificação errada.
E Recall significa lucros perdidos, ou seja, esperámos em vez de agir.
O resultado final é maximizar a F1, que encontrará o melhor valor com um mínimo de erros de previsão e um mínimo de lucros perdidos.