Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3183

[[Excluído]]

Exatamente da mesma forma que obtenho modelos de trabalho OOS e não, por meio do mesmo algoritmo. O símbolo é o mesmo, nenhuma nova randomização foi adicionada. Ele apenas encontra aleatoriamente padrões de longa duração ou padrões locais. Porque o treinamento em uma subamostra aleatória (40% dentro do intervalo selecionado pela linha), e ainda assim, outros randomizadores procuram padrões por meio da randomização, que a randomização persegue.

[[Excluído]]

fxsaber #:

Um.

Não entendo essa declaração. O que significa as duas opções a seguir?

1. São necessárias muitas iterações de randomização para obter um personagem viável.
2. Se você criar muitos personagens aleatórios, a probabilidade de haver um que funcione entre eles aumenta.

O algoritmo de randomização é o seguinte:

1. Um histórico real de ticks é obtido.
2. Uma sequência de incrementos do preço médio ((bid+ask)/2) é criada a partir dele.
3. Nessa sequência, cada termo é multiplicado aleatoriamente por +1 ou -1.
4. Um novo histórico de ticks é coletado da sequência de incrementos obtida, em que o tempo e o spread coincidem com o ponto 1.
5. O novo histórico de ticks é gravado em um símbolo personalizado.

Ou seja, algum símbolo real é randomizado. Você pode aplicar o item 3 quantas vezes quiser. Se, após o item 5, todos os cinco pontos forem repetidos, será o mesmo que repetir o item 3 duas vezes.

Sim, o ponto destacado

Você precisa executar muitas vezes, muitos caracteres. Mostrei acima um exemplo do meu amostrador excessivo. Ele apenas extrai aleatoriamente amostras para treinamento da mesma linha e os resultados são sempre diferentes em OOS.

Exatamente as mesmas quedas bruscas em OOS.

[[Excluído]]

Eu simplesmente não entendo o objetivo desse material do SB, o que ele prova? ) Você pode obter a curva que quiser no OOS se o misturar várias vezes.

[fxsaber]

mytarmailS #:
Droga, não sei como colocar isso em termos simples.

Você escolhe as melhores variantes "manualmente" no OOS após a otimização no teste e isso NÃO é um ajuste....

E se o algoritmo escolher as melhores opções no OOS após a otimização, isso é um ajuste. Por quê?

Escolher as melhores variantes/opções do conjunto completo de variantes é otimização... Não importa se você faz isso manualmente ou por meio de um algoritmo.

Talvez você tenha trabalhado apenas com o testador na MT e pense de forma um tanto estereotipada sobre a otimização em si e as formas de sua aplicação, e é por isso que temos alguns mal-entendidos

Sua declaração.

Fórum sobre negociação, sistemas de negociação automatizados e teste de estratégias de negociação

Aprendizado de máquina na negociação: teoria, modelos, prática e algo-trading

mytarmailS, 2023.08.16 13:23

Imagine que você tenha apenas 1.000 variantes de TS, em geral.

Suas etapas 1 e 2

1) Você começa a otimizar/pesquisar uma boa TS, isto é, dados de treinamento (ajuste/pesquisa/otimização).

Digamos que você tenha encontrado 300 variantes em que o TC ganha dinheiro...

2) Agora, você está procurando um TC dentre essas 300 variantes que passará no OOS são os dados de teste. Você encontrou, digamos, 10 TCs que ganham tanto na linha de base quanto no teste (OOS).

Então, o que é o ponto 2?

É a mesma continuação do ajuste, só que sua busca(ajuste/busca/otimização) se tornou um pouco mais profunda ou mais complexa, porque agora você não tem uma condição de otimização (passar na negociação), mas duas (passar no teste + passar na negociação).

Imaginemos que haja um milhão de vezes mais variantes: 1 bilhão de TCs, 300 milhões de variantes de TCs encontradas, em que a amostra treinada gera dinheiro - esse é o p.1.

Em p.1., a otimização é feita com base em alguma função de aptidão. Quanto maior o valor, maior será a aptidão. Portanto, a otimização está preocupada em encontrar o máximo global. Tudo isso é p.1.

• Quando a otimização termina, você pode procurar entre 300 milhões de resultados positivos os cinco que passaram no OOS. Eu não faço isso.
• Ou você pode pegar os cinco resultados mais próximos do máximo global e analisá-los apenas para OOS.

Portanto, se você fizer a primeira opção, será uma otimização da visualização

Fórum sobre negociação, sistemas de negociação automatizados e teste de estratégias de negociação.

Aprendizado de máquina na negociação: teoria, modelos, prática e negociação de algoritmos

fxsaber, 2023.08.19 01:32 pm

Você acha que deve confiar mais no modelo train_optim + test_forward do que no (train+test)_optim?

Ou seja, é um ajuste em sua forma mais pura.

No entanto, se você fizer a última opção, não será um ajuste.

[fxsaber]

Maxim Dmitrievsky #:

Exatamente da mesma forma que obtenho modelos de trabalho OOS e não, por meio do mesmo algoritmo. O símbolo é o mesmo, nenhuma nova randomização foi adicionada.

O treinamento não foi feito com o mesmo símbolo. Obviamente, há séries com qualquer característica na nuvem de randomização.

[[Excluído]]

A frente é pior e a parte de trás é melhor. E as situações inversas são exatamente as mesmas. Apenas não fiz muitas reconstruções no momento.

[mytarmailS]

fxsaber #:

Sua afirmação.

Imaginemos que haja um milhão de vezes mais variantes no total: 1 bilhão de TCs, 300 milhões de variantes de TCs são encontradas, onde a amostra treinada gera dinheiro - esse é o ponto 1.

No p.1., a otimização é feita com base em alguma função de aptidão. Quanto maior o valor, maior será a aptidão. Portanto, a otimização está preocupada em encontrar o máximo global. Tudo isso é o p.1.

• Quando a otimização terminar, você poderá pesquisar entre 300 milhões de resultados positivos os cinco que passaram no OOS. Eu não faço isso.
• Ou você pode pegar os cinco resultados mais próximos do máximo global e analisá-los apenas para OOS.

Portanto, se você fizer a primeira opção, será uma otimização do tipo

Portanto, é um ajuste puro.

Se você fizer a segunda, não é ajuste.

Entendi. Peço desculpas.

[[Excluído]]

fxsaber #:

Recebi treinamento em mais de uma característica. Obviamente, na nuvem de randomização, há linhas com qualquer característica.

Bem, não vejo nenhum problema. Todos esses TS são aleatórios porque são negociados em um mercado não estacionário. Mas algumas variantes podem gerar lucro em alguma perspectiva.

[fxsaber]

Maxim Dmitrievsky #:

Sim, o destaque

Você precisa executar muitas vezes, muitos caracteres.

Mostrei um exemplo do meu amostrador acima. Ele apenas extrai aleatoriamente amostras para treinamento da mesma linha e os resultados são sempre diferentes em OOS.

No símbolo real, não tenho esse efeito. Escolho qualquer 40% do intervalo de otimização e, depois disso, os resultados são muito semelhantes em OOS.

Esse é o símbolo que escolhi para a randomização e forneci seus gráficos de treinamento.

Exatamente as mesmas quedas bruscas no OOS.

Não os vejo sempre.

[[Excluído]]

fxsaber #:

No símbolo real, não observo esse efeito. Escolho qualquer 40% do intervalo de otimização e, depois disso, os resultados são muito semelhantes em OOS.

Esse é o símbolo que escolhi para a randomização e forneci seus gráficos de treinamento.

Eu não os vejo sempre.

Ainda assim, significa que há mais alfa nos ticks. Encontrei uma maneira de pesquisar rapidamente neles (por meio do MO, teria sido muito demorado). Quando terminar, apresentarei os resultados mais tarde.