Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2581
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
Com python é conveniente agora. Eu escrevi o meu testador, mas é possível portar modelos ou negociar através da api. Se ONNX for adicionado, será um verdadeiro canhão.
Existe um pacote backtest para python, porque não o usa?
Bem, eu entendo que agora está em voga a generativamente acalmar algoritmos, mas qual é a real vantagem de dois algoritmos condicionalmente simples que se acalmam e melhoram um ao outro a partir de um algoritmo complexo que o faz em si mesmo, apenas falando de forma aproximada constrói regras de decisão mais complexas em si mesmo do que os seus dois...
Veja, conheça algoritmos de otimização, funções de fitness e pare de reinventar a bicicleta sobre rodas quadradas
Isto é diferente. Através da otimização, haverá um encaixe. Através da análise e correção de erros de modelo também é um ajuste, mas você encontra padrões estáveis, descartando coisas desnecessárias. Pelo menos você encontra algum planalto onde há estabilidade. Através de simples enumeração genética é mais difícil, é mais uma punheta.
Exemplo elementar.
você precisa treinar a AMO para obter o máximo lucro o que você vai fazer?
1) você faz um alvo
2) você combina os modeloscom métricas padrão como RMSE (isto é profundamente irrelevante)
3) criar um grupo de melhores modelos
4) escolher o melhor modelo do grupo com o maior lucro
Por que você acha que o seu grupo é o modelo de topo absoluto no sentido global? Você passou os modelos por dois filtros subjetivos
(1) o seu alvo e (2) a medida de erro RMSE.
Não é melhor mudar os pesos (se for um neurónio) e criar regras (se for uma árvore) com o objectivo de obter o máximo lucro, a questão é retórica ... claro, é melhor e mais rápido
A questão é que você está perdendo outros grupos de modelos que ganham e esses grupos ganham milhões
Um exemplo elementar.
você precisa treinar a AMO para maximizar os lucros o que você vai fazer?
1) você faz um alvo
2) você encaixa os modeloscom métricas padrão, como RMSE (isto é profundamente irrelevante)
3) criar um grupo de melhores modelos
4) escolher o melhor modelo do grupo com o maior lucro
Agora uma pergunta: por que você acha que o seu grupo é o topo absoluto dos melhores modelos no sentido global? Você passou os modelos por dois filtros subjetivos
(1) o seu alvo e (2) a medida de erro RMSE.
Não é melhor mudar os pesos (se for um neurónio) e criar regras (se for uma árvore) com o objectivo de obter o máximo lucro, a questão é retórica ... claro, é melhor e mais rápido
A questão é que estás a perder outros grupos de modelos que estão a ganhar e estes grupos têm milhões
Eu seleciono R2 por balanço, mais o número mínimo de negócios perdidos, mas com a menor entropia (logloss) e a máxima acuracia. É por isso que os modelos são os mais rentáveis por defeito.
Você pode selecionar a partir de modelos prontos ou criar um modelo. Essa é a diferença.
Você seleciona a partir de modelos pré-fabricados, ou pode criar um modelo. Essa é a diferença.